05·Confusion matrix i krzywa ROC

Wprowadzenie

Confusion matrix to fundament diagnostyki klasyfikatora — z niej wyprowadzasz każdą inną metrykę (precision, recall, specificity, F1). Krzywa ROC i pole pod nią (AUC) opisują zachowanie modelu w PEŁNYM zakresie progów decyzyjnych, a nie dla jednego arbitralnego cutoffu 0,5. W tej lekcji rozkładamy macierz pomyłek na czynniki pierwsze, pokazujemy jak dobierać próg pod koszt biznesowy, kiedy ROC kłamie (silnie niezbalansowane klasy → preferuj PR-AUC), oraz jak interpretować AUC=0,5, AUC=1,0 i AUC<0,5.