Ako sa určujú prahy pre výpočet ROC-AUC?

Práhly na výpočet ROC-AUC sú hodnoty pravdepodobnosti alebo hodnotenia modelu, pri ktorých sa klasifikátor rozhodne, ku ktorej triede priradí objekt.

Na vytvorenie ROC krivky sa prah vyberá z rozsahu možných hodnôt predpovedaných pravdepodobností (zvyčajne od 0 do 1). Pri každom prahu sa vypočítajú hodnoty True Positive Rate (TPR) a False Positive Rate (FPR).

Zvyčajne sú prahové hodnoty tvorené ako jedinečné hodnoty predpovedaných pravdepodobností v testovacej sade, zoradené zostupne. To umožňuje hodnotiť kvalitu klasifikácie na rôznych úrovniach citlivosti a špecifickosti.

Približný algoritmus:

1. Získať predpovedané pravdepodobnosti pre všetky objekty.
2. Zoradiť jedinečné hodnoty pravdepodobností.
3. Použiť každú hodnotu ako prah, klasifikujúc objekty s pravdepodobnosťou vyššou ako prah ako pozitívne.
4. Vypočítať TPR a FPR pre každý prah.

Na základe týchto bodov sa vytvára ROC krivka, a plocha pod ňou (AUC) slúži ako metrika kvality modelu.