Es una técnica para medir el ajuste de un modelo de clasificación.
La curva ROC se construye incluyendo en un eje la sensibilidad y en el otro (1- especificidad). (1- especificidad) también se conoce como tasa de falsos positivos y sensibilidad también se conoce como tasa de verdaderos positivos.
El área debajo de la cuva (AUC) es el valor que utilizaremos para comparar diferentes modelos y, cuanto mayor, mejor será el modelo. La AUC va de 0,5 (el modelo predice como si eleigieramos al azar) hasta 1.
« Back to Glossary Index