ROC (Receiver Operating Characteristic) — это график, показывающий соотношение между True Positive Rate (чувствительностью) и False Positive Rate при различных порогах классификации. Ключевой метрикой является площадь под кривой (AUC-ROC).
Какие значения ROC считаются хорошими, а какие плохими?
ROC (Receiver Operating Characteristic) — это график, показывающий соотношение между True Positive Rate (чувствительностью) и False Positive Rate при различных порогах классификации.
Короткий ответ
Что ответить на собеседовании
Подробный разбор
Ответ с пояснениями
ROC (Receiver Operating Characteristic) — это график, показывающий соотношение между True Positive Rate (чувствительностью) и False Positive Rate при различных порогах классификации. Ключевой метрикой является площадь под кривой (AUC-ROC).
- Хорошие значения: AUC близкие к 1 (например, 0.9 и выше) означают, что модель отлично различает классы.
- Средние значения: AUC около 0.7–0.9 свидетельствуют о приемлемой, но не идеальной классификации.
- Плохие значения: AUC около 0.5 или ниже означает, что модель не лучше случайного угадывания.
Важно учитывать контекст задачи и баланс классов, но в целом чем выше AUC, тем лучше модель справляется с классификацией.