Odborné vysvětlení: ROC (Receiver Operating Characteristic) křivka je grafické znázornění výkonu klasifikačního modelu při různých prahových hodnotách. Zobrazuje vztah mezi mírou pravdivě pozitivních výsledků (senzitivita) a mírou falešně pozitivních výsledků (1 – specificita). Plocha pod ROC křivkou (AUC) je často používána jako souhrnná metrika výkonu modelu.
Vysvětlení pro laiky: ROC křivka je jako graf, který ukazuje, jak dobře AI rozlišuje mezi různými věcmi při různých nastaveních. Představte si, že máte detektor kouře. Můžete ho nastavit, aby byl velmi citlivý (zachytí každý kouř, ale může spustit falešný poplach) nebo méně citlivý (méně falešných poplachů, ale může přehlédnout slabý kouř). ROC křivka ukazuje, jak dobře detektor funguje při různých nastaveních citlivosti.
ROC (Receiver Operating Characteristic) Curve is a graphical representation of a classification model’s performance at various threshold settings. It shows the relationship between the true positive rate (sensitivity) and the false positive rate (1 – specificity). The area under the ROC curve (AUC) is often used as a summary metric of model performance.
