Ինչպե՞ս կփոխվի ROC AUC-ը դրական և բացասական օբյեկտների կրկնօրինակումից և ինչու՞։

ROC AUC (ROC գծի տակ գտնվող մակերեսը) միավոր է, որը չափում է մոդելի դասակարգման որակը, այսինքն՝ որքան լավ է մոդելը տարբերակում դրական և բացասական դասերը:

Դրական և բացասական օբյեկտների կրկնօրինակում (այսինքն՝ մոդելի չափաբաժինը մեծացնելով նույն օրինակների կրկնությամբ), ROC AUC չի փոխվի։ Դա պայմանավորված է նրանով, որ ROC AUC-ը կախված է դրական և բացասական օբյեկտների համար կանխատեսված հավանականությունների հարաբերական կարգից, ոչ թե օբյեկտների թվից:

Տվյալների կրկնօրինակում ավելացնում է համեմատության զույգերի քանակը, բայց բոլորը նույն կանխատեսումներն ու նշանները կունենան, հետևաբար ճիշտ դասավորված զույգերի մասնաբաժինը (որը և է ROC AUC) կմնա անփոփոխ:

Արդյունքում, ROC AUC-ը անփոփոխ է տվյալների կրկնօրինակում, եթե կանխատեսումների բաշխումը չի փոխվում։