Как умножение всех прогнозов данной модели на 2,0 (например, если модель прогнозирует 0,4, мы умножаем на 2,0, чтобы получить прогноз 0,8) изменит производительность модели, измеряемую AUC?
Без изменений. AUC заботится только об относительных оценках прогноза.
Да, AUC основан на относительных прогнозах, поэтому любое преобразование прогнозов, сохраняющее относительный рейтинг, не влияет на AUC. Это явно не относится к другим показателям, таким как квадрат ошибки, логарифмическая потеря или смещение прогноза (обсуждается позже).
Это сделало бы AUC ужасным, так как значения прогноза теперь далеко неверны.
Интересно, что даже несмотря на то, что значения прогноза разные (и, вероятно, дальше от истины), умножение их всех на 2,0 сохранит относительный порядок значений прогноза одинаковым. Поскольку AUC заботится только об относительных рейтингах, на него не влияет простое масштабирование прогнозов.
Это сделало бы AUC лучше, потому что все значения прогноза находятся дальше друг от друга.
Величина разброса между прогнозами на самом деле не влияет на AUC. Даже оценка прогноза для случайно нарисованного истинного положительного результата всего на крошечный эпсилон больше, чем случайно нарисованный отрицательный результат, который будет считаться успехом, вносящим свой вклад в общую оценку AUC.