Что будет с ROC-AUC, если умножить все предсказанные вероятности на 2

Умножение всех предсказанных вероятностей на 2 не изменит ROC-AUC, так как ROC-кривая и AUC зависят только от порядка ранжирования объектов, а не от абсолютных значений вероятностей. Порядок останется прежним, даже если некоторые вероятности станут больше 1.

Пример:

from sklearn.metrics import roc_auc_score

y_true = [0, 1, 0, 1]
y_pred = [0.1, 0.4, 0.3, 0.8]
y_pred_scaled = [p * 2 for p in y_pred]  # [0.2, 0.8, 0.6, 1.6]

print(roc_auc_score(y_true, y_pred) == roc_auc_score(y_true, y_pred_scaled))  # True

Однако такие "вероятности" уже не будут валидными (могут выходить за [0, 1]), что может повлиять на другие метрики, например, log-loss.