Porozprávaj mi o ROC-AUC: čo je to a ako sa používa?

ROC-AUC je metrika kvalitete za binarne klasifikátory, ktorá meria schopnosť modelu rozlišovať medzi triedami.

• ROC (Receiver Operating Characteristic) — krivka, ktorá ukazuje závislosť True Positive Rate (citlivosť) od False Positive Rate pri rôznych prahových hodnotách klasifikácie.
• AUC (Oblasť pod krivkou) — plocha pod ROC krivkou, ktorá numericky vyjadruje kvalitu modelu.

Hodnota AUC sa pohybuje od 0 do 1:

• 0.5 — model nie je lepší ako náhodné hádanie.
• Čím bližšie k 1 — tým lepšie model rozlišuje triedy.

Používa sa na hodnotenie modelov, najmä keď sú triedy nevyvážené, pretože zohľadňuje všetky možné prahy a nezávisí od konkrétneho prahu klasifikácie.

Príklad použitia v Pythone s knižnicou scikit-learn:

from sklearn.metrics import roc_auc_score

y_true = [0, 0, 1, 1]
y_scores = [0.1, 0.4, 0.35, 0.8]

auc = roc_auc_score(y_true, y_scores)
print(f"ROC-AUC: {auc}")

Takto ROC-AUC pomáha pochopiť, ako dobre model dokáže oddeliť pozitívne od negatívnych príkladov.