Что значит, если ROC-AUC равен единице

ROC-AUC = 1 означает, что модель идеально разделяет классы: все положительные примеры имеют более высокие предсказанные вероятности, чем отрицательные. Это возможно только при отсутствии ошибок классификации.

Пример:

from sklearn.metrics import roc_auc_score

y_true = [1, 1, 0, 0]  # Идеальные метки
y_pred = [0.9, 0.8, 0.1, 0.2]  # Идеальные предсказания (классы не пересекаются)
print(roc_auc_score(y_true, y_pred))  # 1.0

Нюансы:

• В реальных данных ROC-AUC = 1 встречается крайне редко и может указывать на утечку данных или переобучение.
• Если ROC-AUC = 1 на тестовых данных, стоит проверить, не была ли модель обучена на них.