Что такое ROC

ROC (Receiver Operating Characteristic) — это график, показывающий эффективность бинарной классификации при различных порогах классификации. Ось X — доля ложноположительных (FPR), ось Y — доля истинноположительных (TPR).

Ключевые моменты:

• AUC (Area Under Curve) — площадь под ROC-кривой, метрика качества модели (1 — идеально, 0.5 — случайно).
• ROC не зависит от дисбаланса классов.

Пример кода (Python, sklearn):

from sklearn.metrics import roc_curve, auc
import matplotlib.pyplot as plt

fpr, tpr, _ = roc_curve(y_true, y_scores)
roc_auc = auc(fpr, tpr)

plt.plot(fpr, tpr, label=f'AUC = {roc_auc:.2f}')
plt.plot([0, 1], [0, 1], 'k--')  # Случайный классификатор
plt.xlabel('FPR')
plt.ylabel('TPR')
plt.legend()
plt.show()