На основе каких данных считается ROC AUC

ROC AUC (Area Under the Receiver Operating Characteristic Curve) вычисляется на основе предсказанных вероятностей классов (обычно положительного) и истинных меток (бинарных).

Пример кода (Python, scikit-learn):

from sklearn.metrics import roc_auc_score

y_true = [0, 1, 1, 0, 1] # истинные метки
y_scores = [0.1, 0.9, 0.8, 0.3, 0.7] # предсказанные вероятности класса 1

auc = roc_auc_score(y_true, y_scores)
print(auc) # выведет значение AUC

**Нюансы:**  
- Чем ближе AUC к 1, тем лучше модель разделяет классы.  
- AUC = 0.5 означает случайное угадывание.  
- ROC AUC не зависит от порога классификации, оценивая качество ранжирования.  
- Не подходит для несбалансированных данных, если важна точность предсказаний минорного класса.