Qual é a interpretação probabilística do ROC-AUC?

ROC-AUC (Área sob a Curva de Característica de Operação do Receptor) pode ser interpretado como a probabilidade de que um objeto positivo escolhido aleatoriamente seja avaliado pelo modelo com uma pontuação mais alta do que um objeto negativo escolhido aleatoriamente.

Ou seja, se pegarmos um exemplo positivo aleatório e um exemplo negativo aleatório, então o AUC é a probabilidade de que o modelo atribua uma pontuação mais alta (probabilidade de pertencer à classe positiva) ao exemplo positivo do que ao negativo.

Isso torna o ROC-AUC uma métrica conveniente para avaliar a qualidade de classificadores binários, especialmente quando as classes estão desequilibradas, pois ela não depende do limiar de classificação escolhido.