Kako će se ROC AUC promeniti pri dupliranju pozitivnih i negativnih objekata i zašto?

ROC AUC (površina ispod ROC krive) je metrika koja meri kvalitet rangiranja modela, odnosno koliko dobro model razdvaja pozitivne i negativne klase.

Dupliranjem pozitivnih i negativnih objekata (tj. povećanjem uzorka kopiranjem istih primera), ROC AUC neće se promeniti. To je zato što ROC AUC zavisi od relativnog reda predviđenih verovatnoća za pozitivne i negativne objekte, a ne od broja objekata.

Duplikacija podataka povećava broj parova za poređenje, ali svi će imati iste predviđanja i oznake, pa će udeo pravilno poređanih parova (koji je ROC AUC) ostati nepromenjen.

Stoga, ROC AUC je invarijantan na duplikaciju podataka, pod uslovom da se raspodela predviđanja ne menja.