Curba caracteristicilor de operare a receptorului (ROC) este un instrument grafic utilizat pentru evaluarea performanței modelelor de clasificare. Ea ilustrează compromisul dintre rata reală pozitivă și rata fals pozitivă în diferite setări de prag. Înțelegerea modului de interpretare și calcul a curbelor ROC este esențială pentru evaluarea eficacității modelului.

Ce este un curve ROC?

O curbă ROC trasează adevărata rată pozitivă (sensibilitate) împotriva ratei fals pozitive (1-specificitate) la diferite niveluri de prag. Aceasta oferă o reprezentare vizuală a capacității unui model de a distinge între clase. Cu cât curba urmează mai aproape colțul din stânga sus, cu atât mai bine performanța modelului.

Cum se calculează curba ROC

Calcularea unei curbe ROC implică următorii pași:

  • Obține probabilități anticipate din modelul pentru fiecare punct de date.
  • Setează valori-prag multiple care acoperă intervalul probabilităților anticipate.
  • Pentru fiecare prag, clasificați punctele de date ca fiind pozitive sau negative.
  • Calculează rata reală pozitivă și rata fals pozitivă la fiecare prag.
  • Se plotează aceste rate pentru a forma curba ROC.

Interpretarea curbei ROC

Zona de sub curba ROC (ASC) cuantifică capacitatea generală a modelului de a discrimina între clase. O ASC de 0,5 nu indică nicio discriminare, echivalentă cu presupunerea aleatorie. O ASC de 1,0 înseamnă clasificarea perfectă.

Aplicații de curbe ROC

Curbele ROC sunt utilizate pe scară largă în diferite domenii, cum ar fi medicina, finanțele și învățarea mașinii pentru a compara modele, a selecta praguri optime și a evalua performanța de clasificare. Ele ajută la înțelegerea compromisurilor implicate în diferite praguri de decizie.