ROC

En el contexto de la inteligencia artificial y el aprendizaje automático, se refiere a la "Curva Característica Operativa del Receptor" (Receiver Operating Characteristic Curve, por sus siglas en inglés). Se utiliza para evaluar la capacidad de un modelo de clasificación binaria en términos de su rendimiento.

Representa gráficamente la relación entre la tasa de verdaderos positivos (True Positive Rate o TPR) y la tasa de falsos positivos (False Positive Rate o FPR) a diferentes umbrales de decisión. Ayuda a analizar el compromiso entre sensibilidad y especificidad en un modelo.

El área bajo la curva (AUC, por sus siglas en inglés) es un valor numérico que resume la efectividad del modelo. Un AUC cercano a 1 indica un modelo altamente efectivo, mientras que un AUC de 0.5 indica un rendimiento similar al azar.

Es ampliamente utilizada en problemas de clasificación como detección de fraudes, diagnósticos médicos y sistemas de recomendación.