Calculadora de curva ROC e AUC - Avaliação de classificador binário

A curva ROC (Receiver Operating Characteristic) é uma ferramenta gráfica para avaliar a capacidade de discriminação de um modelo de classificação binária em todos os possíveis limiares de decisão. Ela plota a taxa de verdadeiros positivos (TPR, ou sensibilidade) no eixo y em relação à taxa de falsos positivos (FPR, ou 1 − especificidade) no eixo x, à medida que o limiar de decisão varia de alto para baixo. Sensibilidade (TPR) é a proporção de positivos reais corretamente identificados: TPR = TP / (TP + FN). Especificidade é a proporção de negativos reais corretamente identificados: Specificity = TN / (TN + FP). FPR = 1 − Specificity = FP / (TN + FP). Um classificador perfeito passaria pelo canto superior esquerdo (FPR = 0, TPR = 1), enquanto a curva ROC de um classificador aleatório fica na diagonal de (0,0) a (1,1). A área sob a curva ROC (AUC) resume o desempenho geral da classificação em um único escalar. Uma AUC de 1.0 representa discriminação perfeita; 0.5 representa nenhuma discriminação (equivalente a chute aleatório). Convencionalmente, AUC ≥ 0.9 é excelente, 0.8–0.9 é boa, 0.7–0.8 é razoável e abaixo de 0.7 é fraca. Esta calculadora calcula a AUC usando a regra do trapézio, que integra a área sob a curva ROC em degraus. Ela também identifica o limiar de decisão ideal usando a estatística J de Youden (J = sensitivity + specificity − 1), que maximiza a soma de sensibilidade e especificidade e fornece um ponto de operação equilibrado. Curvas ROC e AUC são métricas padrão de avaliação em diagnósticos médicos (quando classificadores separam pacientes doentes de saudáveis), aprendizado de máquina (avaliação de modelos de classificação binária) e credit scoring. Diferentemente da acurácia, a AUC é insensível ao desbalanceamento de classes, o que a torna especialmente valiosa quando os casos positivos são raros. Esta ferramenta aceita qualquer lista de pares pontuação-rótulo. As pontuações podem ser probabilidades, valores de logit ou qualquer classificação contínua. Os rótulos devem ser 0 (classe negativa) ou 1 (classe positiva). A tabela de resultados mostra todos os pontos de operação da ROC, com a linha do limiar ideal destacada para fácil consulta.