AUC（Area Under the Curve）とは、ROC曲線の下の面積を数値化した指標で、分類モデルの総合的な性能を0〜1の値で表します。AUCが1に近いほど優れたモデルであり、0.5はランダム分類器と同等の性能を意味します。
AUCの解釈
AUCは「ランダムに選んだ陽性サンプルと陰性サンプルに対して、モデルが陽性サンプルにより高いスコアを付ける確率」と解釈できます。閾値に依存しない指標であるため、モデル間の比較に適しています。
AUCの目安
一般的に、AUC 0.9以上：優秀、0.8〜0.9：良好、0.7〜0.8：まずまず、0.6〜0.7：不十分、0.5〜0.6：ほぼランダムとされますが、タスクの難易度により目安は異なります。
AUC-PRとの使い分け
不均衡データではROC-AUCが過度に楽観的な値を示す場合があり、AUC-PR（Precision-Recall曲線の面積）がより適切な指標となります。