O que é ROC-AUC? Como se constrói a curva ROC, o que representam os eixos?

ROC-AUC é uma métrica de qualidade para classificadores binários.

A curva ROC (Receiver Operating Characteristic) é construída em dois eixos:

• No eixo X, a Taxa de Falsos Positivos (FPR) — proporção de resultados falsamente positivos: FPR = FP / (FP + TN).
• No eixo Y, a Taxa de Verdadeiros Positivos (TPR) — proporção de resultados verdadeiramente positivos (sensibilidade): TPR = TP / (TP + FN).

Para construir a curva, o limiar de classificação é alterado, e para cada limiar, TPR e FPR são calculados. ROC-AUC é a área sob a curva ROC, que indica o quão bem o modelo consegue distinguir as classes. Quanto mais próximo de 1 for o AUC, melhor é o classificador.