Какой threshold у ROC-AUC

Threshold в ROC-AUC не фиксирован — это метрика, оценивающая качество модели на всех возможных порогах классификации. ROC-кривая строится, перебирая threshold от 0 до 1, и показывает trade-off между TPR (True Positive Rate) и FPR (False Positive Rate). AUC (Area Under Curve) — интегральная характеристика, показывающая, насколько модель лучше случайного угадывания.

Пример выбора оптимального threshold (например, по Youden's J-statistic):

from sklearn.metrics import roc_curve
fpr, tpr, thresholds = roc_curve(y_true, y_pred)
optimal_idx = np.argmax(tpr - fpr)
optimal_threshold = thresholds[optimal_idx]