Wat is de probabilistische interpretatie van ROC-AUC?

ROC-AUC (Oppervlakte onder de Receiver Operating Characteristic-curve) kan worden geïnterpreteerd als de waarschijnlijkheid dat een willekeurig geselecteerd positief object door het model hoger wordt beoordeeld dan een willekeurig geselecteerd negatief object.

Met andere woorden, als je een willekeurig positief voorbeeld en een willekeurig negatief voorbeeld neemt, is de AUC de waarschijnlijkheid dat het model een hogere score (waarschijnlijkheid van toebehoren aan de positieve klasse) toekent aan het positieve voorbeeld dan aan het negatieve.

Dit maakt ROC-AUC een handige maatstaf voor het beoordelen van de kwaliteit van binaire classifiers, vooral wanneer de klassen onevenwichtig zijn, omdat het niet afhankelijk is van de gekozen classificatiedrempel.