В чем разница между PR-AUC и ROC-AUC

PR-AUC (Precision-Recall AUC) и ROC-AUC (Receiver Operating Characteristic AUC) — метрики для оценки бинарных классификаторов, но они фокусируются на разных аспектах:

• ROC-AUC оценивает соотношение TPR (True Positive Rate) и FPR (False Positive Rate) при изменении порога классификации. Устойчив к дисбалансу классов.
• PR-AUC оценивает Precision (точность) и Recall (полноту). Чувствителен к дисбалансу — лучше для задач, где важны редкие классы (например, fraud detection).

from sklearn.metrics import roc_auc_score, average_precision_score

y_true = [0, 1, 0, 1]
y_scores = [0.1, 0.4, 0.35, 0.8]

roc_auc = roc_auc_score(y_true, y_scores)  # ROC-AUC
pr_auc = average_precision_score(y_true, y_scores)  # PR-AUC