Показатель AUC (площадь под кривой) влияет на интерпретацию производительности классификационной модели, так как он количественно оценивает общую способность модели различать различные классы. 1

Значение AUC варьируется от 0 до 1: 1

• AUC = 1. 1 Обозначает идеальный классификатор, который отлично различает все положительные и отрицательные экземпляры. 1
• AUC = 0,5. 1 Говорит о том, что классификатор работает не лучше, чем случайный шанс. 1
• AUC < 0,5. 1 Указывает на то, что классификатор работает хуже, чем случайный, возможно, есть проблемы с моделью или данными. 1
• AUC > 0,5. 1 Представляет собой классификатор, который работает лучше, чем случайный, причём более высокие значения указывают на лучшую производительность. 1

В общем, показатель AUC выше 0,8 часто считается хорошим, а AUC выше 0,9 — отличным. 1 Однако интерпретация «хорошего» AUC может меняться в зависимости от конкретного приложения и сложности проблемы. 1

Кроме того, AUC можно интерпретировать как вероятность того, что модель оценит случайно выбранный положительный экземпляр выше, чем случайно выбранный отрицательный экземпляр. 1

Однако высокий AUC не всегда указывает на высокую эффективность модели во всех ситуациях, особенно если классы сильно несбалансированы. 2 Поэтому AUC важно рассматривать наряду с другими показателями эффективности. 1