Kaip pasikeis ROC AUC dubliuojant teigiamus ir neigiamus objektus ir kodėl?

ROC AUC (ROC kreivės plotas po) yra metrika, matuojanti modelio reitingo kokybę, tai yra, kaip gerai modelis atskiria teigiamus ir neigiamus klases.

Dublikuojant teigiamus ir neigiamus objektus (t. y., didinant pavyzdžių skaičių kopijuojant tuos pačius pavyzdžius), ROC AUC nesikeis. Tai priklauso nuo santykinės tikimybių tvarkos, kurią prognozuoja modelis, o ne nuo objektų skaičiaus.

Duplikavus duomenis, padidėja lyginimo porų skaičius, tačiau visos jos turės tas pačias prognozes ir žymes, todėl teisingai išrikiuotų porų dalis (kuri yra ROC AUC) liks nepakitusi.

Todėl ROC AUC yra invarijantas duomenų dubliavimui, jei prognozių paskirstymas nesikeičia.