Definición
AUC es una métrica de evaluación de clasificadores que muestra qué tan bien el modelo separa los ejemplos positivos y negativos con distintos umbrales. A menudo se usa junto con una curva ROC. La métrica ayuda a entender la capacidad del modelo para ordenar ejemplos: por ejemplo, asignar más riesgo a transacciones sospechosas que a transacciones normales. AUC resulta útil cuando necesitas evaluar la calidad no en un solo umbral, sino a lo largo de un rango completo de soluciones.
Ejemplo
El modelo antifraude asigna riesgo a las transacciones. Un AUC alto significa que las transacciones fraudulentas tienen más probabilidades de recibir un riesgo mayor que las normales.
Por qué importa
El término es importante para comparar modelos, sobre todo cuando después del entrenamiento necesitas elegir un umbral de decisión para una necesidad de negocio.
Cómo funciona
El sistema construye una relación entre la proporción de ejemplos positivos encontrados y la proporción de falsas alarmas con distintos umbrales. AUC es igual al área bajo esa curva.
Dónde se usa
- antifraude
- diagnóstico médico
- evaluación de modelos de scoring
Limitaciones
AUC no muestra cómo se comporta un modelo en un umbral específico ni con un costo de error concreto. En la práctica, hacen falta métricas adicionales y análisis de errores.
FAQ
¿Por qué es útil conocer “AUC”?
El término es importante para comparar modelos, especialmente cuando necesitas elegir un umbral de decisión para un problema de negocio después del entrenamiento.