როგორ შეიცვლება ROC AUC დადებითი და უარყოფითი ობიექტების დუბლირებისას და რატომ?

ROC AUC (ROC қисығы астындағы մակերես) არის მეტрика, რომელიც ზომავს მოდელის რეიტინგის ხარისხს, ანუ რამდენად კარგად იყოფა დადებითი და უარყოფითი კლასები.

დადებითი და უარყოფითი ობიექტების დუბლირება (ანუ, სურათების გამეორებით სემპლენის გაზრდა) ROC AUC არ შეიცვლება. ამის მიზეზია ის, რომ ROC AUC დამოკიდებულია დადებითი და უარყოფითი ობიექტებისთვის წინასწარ გამოთვლილი ალბათობების შესაბამისი სორტირების მიხედვით, და არა ობიექტების რაოდენობაზე.

მონაცემების დუბლირება ზრდის შედარების წყვილების რაოდენობას, მაგრამ ყველა მათგანი ერთნაირი პროგნოზებს და ნიშნებს მიიღებს, ამიტომ სწორად სორტირებული წყვილების წილი (რომელიც ROC AUC-ია) უცვლელი დარჩება.

ამიტომ, ROC AUC ინვარიანტია მონაცემების დუბლირებაზე, თუ პროგნოზების განაწილება არ იცვლება.