За что отвечают точки на графике ROC AUC

Точки на графике ROC AUC представляют пары значений True Positive Rate (TPR) и False Positive Rate (FPR) при разных порогах классификации.

• TPR (чувствительность) = TP / (TP + FN)
• FPR = FP / (FP + TN)

Каждая точка соответствует работе модели при определённом пороге вероятности. Например, при пороге 0.5 модель классифицирует объекты как положительные, если их вероятность > 0.5.

Чем ближе кривая к верхнему левому углу, тем лучше модель (высокий TPR при низком FPR). AUC (площадь под кривой) оценивает качество модели: 1 — идеально, 0.5 — случайный угадыватель.

Пример кода для построения ROC:

from sklearn.metrics import roc_curve, auc
fpr, tpr, thresholds = roc_curve(y_true, y_scores)
roc_auc = auc(fpr, tpr)