Jaka jest probabilistyczna interpretacja ROC-AUC?

ROC-AUC (Pole powierzchni pod krzywą charakterystyki operacyjnej odbiornika) można interpretować jako prawdopodobieństwo, że losowo wybrany obiekt pozytywny zostanie oceniony przez model wyżej niż losowo wybrany obiekt negatywny.

To znaczy, jeśli weźmiemy losowy przykład pozytywny i losowy przykład negatywny, to AUC to prawdopodobieństwo, że model przypisze pozytywnemu przykładowi wyższy wynik (prawdopodobieństwo przynależności do klasy pozytywnej) niż negatywnemu.

To czyni ROC-AUC wygodną miarą do oceny jakości binarnych klasyfikatorów, szczególnie gdy klasy są niezrównoważone, ponieważ nie zależy od wybranego progu klasyfikacji.