ROC–AUC ve PR–AUC Nedir?

ROC–AUC (Receiver Operating Characteristic - Area Under the Curve) ve PR–AUC (Precision-Recall - Area Under the Curve), sınıflandırma modellerinin başarısını değerlendiren iki önemli metriktir.

ROC–AUC

• ROC eğrisi, doğru pozitif oranı ve yanlış pozitif oranını gösterir.
• AUC, bu eğrinin altındaki alanı ölçer ve 0 ile 1 arasında bir değer alır.
• Yüksek AUC değeri, modelin iyi bir sınıflandırma yeteneğine sahip olduğunu gösterir.

PR–AUC

• Precision-Recall eğrisi, doğruluk ve hatırlama oranını gösterir.
• AUC, bu eğrinin altındaki alanı temsil eder ve özellikle dengesiz veri setlerinde daha anlamlıdır.
• Yüksek PR–AUC değeri, modelin olumlu sınıfı doğru bir şekilde tahmin etme yeteneğini gösterir.

Hangi Durumda Hangisi Daha Anlamlıdır?

• ROC–AUC: Sınıflar arasında dengeli bir dağılım varsa tercih edilir.
• PR–AUC: Olumlu sınıfın az olduğu, dengesiz veri setlerinde daha anlamlıdır.

Sonuç olarak, veri setinin karakteristiklerine göre hangi metriğin kullanılacağına karar vermek önemlidir.