Surface sous la courbe (SSC)

La surface sous la courbe (SSC) est une mesure couramment utilisée en statistique et en apprentissage automatique pour évaluer les performances d’un modèle de classification binaire. Elle représente la capacité du modèle à distinguer les classes positives et négatives en mesurant la qualité des probabilités prédites par le modèle.

La SSC calcule l’aire sous la courbe ROC (Receiver Operating Characteristic), qui représente le taux de vrais positifs (sensibilité) par rapport au taux de faux positifs (1 – spécificité) à différents seuils de classification. La courbe ROC résume les performances du modèle pour tous les seuils possibles et fournit une représentation visuelle du compromis entre sensibilité et spécificité.

L’AUC est comprise entre 0 et 1, une valeur de 0,5 indiquant que les performances du modèle sont équivalentes à une supposition aléatoire, et une valeur de 1 représentant un modèle de classification parfait. En général, un AUC plus élevé indique une meilleure performance du modèle et une meilleure capacité à discriminer correctement les instances positives et négatives. Par conséquent, l’AUC constitue une mesure fiable pour comparer et sélectionner différents modèles ou évaluer les performances globales d’un seul modèle.