Что значит, если значение ROC-AUC равно 0.1

ROC-AUC = 0.1 означает, что модель работает хуже случайного угадывания (0.5). Фактически, она предсказывает классы почти наоборот. Это может указывать на:

1. Ошибку в предобработке данных (например, метки классов перепутаны)
2. Неправильную интерпретацию вывода модели (например, предсказываются вероятности класса 0 вместо класса 1)
3. Сильный дисбаланс классов без коррекции

Пример проверки:

from sklearn.metrics import roc_auc_score

# Если метки и предсказания инвертированы
y_true = [1, 1, 0, 0]
y_pred = [0.1, 0.2, 0.9, 0.8]  # Модель всё перепутала
print(roc_auc_score(y_true, y_pred))  # Выведет ~0.1

Решение: проверить порядок классов, инвертировать предсказания (1 - y_pred) или переобучить модель.