Jak określane są progi do obliczania ROC-AUC?

Próg dla obliczenia ROC-AUC to wartości progowe prawdopodobieństwa lub oceny modelu, przy których klasyfikator decyduje, do której klasy przypisać obiekt.

Do wyznaczenia krzywej ROC próg wybiera się z zakresu możliwych wartości przewidywanych prawdopodobieństw (zwykle od 0 do 1). Na każdym progu oblicza się wartości True Positive Rate (TPR) i False Positive Rate (FPR).

Zazwyczaj progi są tworzone jako unikalne wartości przewidywanych prawdopodobieństw w zestawie testowym, posortowane malejąco. Pozwala to ocenić jakość klasyfikacji na różnych poziomach czułości i specyficzności.

Przybliżony algorytm:

1. Uzyskać przewidywane prawdopodobieństwa dla wszystkich obiektów.
2. Posortować unikalne wartości prawdopodobieństw.
3. Używać każdej wartości jako progu, klasyfikując obiekty z prawdopodobieństwem powyżej progu jako pozytywne.
4. Obliczyć TPR i FPR dla każdego progu.

Na podstawie tych punktów tworzy się krzywą ROC, a pole pod nią (AUC) służy jako miara jakości modelu.