ROC

A curva ROC (Receiver Operating Characteristic) avalia o desempenho de um modelo de classificação em diferentes limiares de classificação. Ao reduzir o limiar de classificação, mais itens são classificados como positivos, aumentando tanto os Falsos Positivos quanto os Verdadeiros Positivos.

AUC

A área sob a curva ROC (Receiver Operating Characteristic) mede a habilidade de um modelo de classificação em diferentes limiares de classificação. Ao reduzir o limiar de classificação, mais itens são classificados como positivos, aumentando tanto os Falsos Positivos quanto os Verdadeiros Positivos. A área sob a curva é uma medida de quão bem as previsões estão classificadas, em vez de seus valores absolutos, e varia de 0 a 1. Um modelo cujas previsões estão 100% erradas tem uma área sob a curva de 0; um modelo cujas previsões estão 100% corretas tem uma área sob a curva de 1.

roc_auc_score(y_test, predictions)

fpr, tpr, _ = roc_curve(y_test, predictions)

plt.clf()
plt.plot(fpr, tpr)
plt.xlabel('FPR')
plt.ylabel('TPR')
plt.title('ROC curve')
plt.show()