складність 3/5
ROC AUC
Площа під кривою, яку описують частки істинних і хибних позитивних результатів класифікатора при зміні порогу рішення, — одне число, що підсумовує роботу на всіх порогах одразу.
Інтуїція
Кожна метрика, побудована на матриці помилок, описує класифікатор на одному порозі. Зсуньте відсічення — і всі вони зміняться. Це робить вибір порогу конфаундером: порівняння двох моделей, виміряних на різних відсіченнях, порівнює відсічення настільки ж, наскільки й моделі.
ROC-крива усуває цей конфаундер, відмовляючись обирати. Вона проводить поріг по всьому діапазону й малює, що відбувається, — відсоток істинних позитивних результатів проти відсотка хибних позитивних результатів, — окреслюючи криву. Площа під цією кривою стискає весь прохід в одне число.
Формальне визначення
Як це працює
Де застосовується
Чому і коли
Практичний приклад
Типові помилки
Перевірте себе
3 запитання
Запитання до цієї сторінки входять у доступ. Їх перевіряє сервер, тож відповіді лишаються там, доки ви не дасте свою.
На шпаргалці: Classification metrics →
Джерела
- scikit-learn — sklearn.metrics.roc_auc_scoredocs · звірено 2026-08-30https://scikit-learn.org/stable/modules/generated/sklearn.metrics.roc_auc_score.html
- Machine Learning Crash Course — ROC and AUCcourse · звірено 2026-10-04https://developers.google.com/machine-learning/crash-course/classification/roc-and-auc
- Machine Learning Crash Course — Classification: accuracy, recall, precision, and related metricscourse · звірено 2026-10-06https://developers.google.com/machine-learning/crash-course/classification/accuracy-precision-recall
- Introduction to Information Retrieval (2008)bookhttps://nlp.stanford.edu/IR-book/html/htmledition/irbook.html