Встречается на собеседованиях • сегодня

Зависит ли ROC AUC от распределения классов

ROC AUC (Area Under the Receiver Operating Characteristic Curve) не зависит от распределения классов, так как оценивает способность модели ранжировать положительные примеры выше отрицательных, а не предсказывать абсолютные вероятности. Однако, если дисбаланс классов очень сильный, ROC AUC может казаться завышенной из-за большого количества true negatives.

Пример:

python
from sklearn.metrics import roc_auc_score
import numpy as np

# Сбалансированные классы
y_true_balanced = np.array([0, 1, 0, 1])
y_pred_balanced = np.array([0.1, 0.9, 0.4, 0.6])
print(roc_auc_score(y_true_balanced, y_pred_balanced))  # 1.0

# Дисбалансные классы (90% negative)
y_true_imbalanced = np.array([0, 0, 0, 0, 0, 0, 0, 0, 0, 1])
y_pred_imbalanced = np.array([0.1]*9 + [0.9])
print(roc_auc_score(y_true_imbalanced, y_pred_imbalanced))  # 1.0
Sophi
Софи собрала все вопросы. Тренируйся и получай
офферы быстрее!
Попробовать бесплатноArrow

Следующий вопрос

Это единственный вопрос по вашему фильтру

как отвечать на вопрос
пример собеседования
фреймворки на собеседовании
типичные вопросы junior
интервью вопросы и ответы