AUC (Area Under the Curve)
Die Fläche unter der ROC-Kurve – eine einzelne Zahl (0-1), die die Gesamtqualität eines binären Klassifikators zusammenfasst.
AUC fasst die ROC-Kurve in einer Zahl zusammen – die Standardmetrik für binäre Klassifikation.
Erklärung
AUC = 0.5 entspricht zufälligem Raten, AUC = 1.0 perfekter Trennung. Interpretierbar als Wahrscheinlichkeit, dass ein positives Beispiel höher rankt als ein negatives.
Relevanz für Marketing
AUC ist die meistverwendete Metrik für Modellvergleiche in Kaggle, Forschung und Industrie.
Häufige Fallstricke
AUC verbirgt den optimalen Threshold. Bei starker Imbalance kann hohe AUC trotzdem schlechte Precision bedeuten.
Entstehung & Geschichte
AUC wurde aus der Signalentdeckungstheorie (1960er) abgeleitet und ist seit den 2000ern die dominierende ML-Klassifikationsmetrik.
Abgrenzung & Vergleiche
AUC (Area Under the Curve) vs. Log Loss
AUC misst Ranking-Qualität; Log Loss misst Kalibrierungsqualität.