
Компромисс между эффективностью сигнала и отбраковкой фона при изменении критерия отбора.Кривая рабочих характеристик приёмника (ROC-кривая) — это график, иллюстрирующий диагностическую способность бинарного классификатора при изменении порога дискриминации. На нём отображается зависимость доли истинно положительных результатов (чувствительности) от доли ложноположительных результатов (1 — специфичность) при различных значениях порога. Кривая показывает компромисс между обнаружением истинных сигналов (эффективность) и отбрасыванием фонового шума (отбраковка). Площадь под ROC-кривой (AUC) — это единая скалярная мера общей производительности классификатора, не зависящая от выбора порога.
Разработана во время Второй мировой войны для обнаружения радиолокационных сигналов, позднее стала применяться в психологии, медицине и машинном обучении.
Для каждого возможного значения порога выходного балла классификатора вычисляются доля истинно положительных и доля ложноположительных результатов. Нанесение этих точек на график даёт ROC-кривую. Идеальный классификатор имеет AUC, равный 1, а случайный — 0,5. Кривая позволяет выбрать порог, который балансирует чувствительность и специфичность в соответствии с потребностями приложения — например, в физике частиц может потребоваться высокая отбраковка фона даже ценой снижения эффективности сигнала.
Используется в медицинской диагностике для оценки скрининговых тестов, в машинном обучении для сравнения классификаторов, а в физике частиц — для оптимизации критериев отбора событий.
ROC-кривая инвариантна относительно монотонных преобразований выходного балла классификатора, то есть зависит только от ранжирования баллов, а не от их абсолютных значений.




