Área bajo la curva (AUC)
El área bajo la curva (AUC) es una métrica que se utiliza habitualmente en estadística y aprendizaje automático para evaluar el rendimiento de un modelo de clasificación binaria. Representa la capacidad del modelo para distinguir entre clases positivas y negativas mediante la medición de la calidad de las probabilidades previstas por el modelo.
El AUC calcula el área bajo la curva característica operativa del receptor (ROC), que representa gráficamente la tasa de verdaderos positivos (sensibilidad) en función de la tasa de falsos positivos (1 – especificidad) para distintos umbrales de clasificación. La curva ROC resume el rendimiento del modelo en todos los umbrales posibles y ofrece una representación visual del equilibrio entre la sensibilidad y la especificidad.
El AUC oscila entre 0 y 1, donde un valor de 0,5 indica que el rendimiento del modelo es equivalente a una conjetura aleatoria, y un valor de 1 representa un modelo de clasificación perfecto. En general, un AUC más alto sugiere un mejor rendimiento del modelo y una mayor capacidad para discriminar correctamente entre instancias positivas y negativas. Por lo tanto, el AUC sirve como medida fiable para comparar y seleccionar diferentes modelos o para evaluar el rendimiento global de un único modelo.
