ROC-AUC метрика

Условие задачи

Даны y_true (бинарные метки) и y_prob (вероятности класса 1). Посчитайте ROC-AUC -- площадь под ROC-кривой. Верните число (float), округлённое до 3 знаков. Значение от 0.5 (случайная модель) до 1.0 (идеальная). Сохраните в `result`.

Темы

roc_auc_score ROC AUC classification

Подсказки

• ROC-AUC принимает не предсказанные метки, а вероятности (или scores). Почему это важно?
• Что значит AUC = 0.5? Что значит AUC < 0.5 — сломанная модель?

Что проверяет эта задача

Задача «ROC-AUC метрика» учит решать задачи на scikit-learn так, как это спрашивают на собеседовании аналитика данных. Такие задачи дают на собеседованиях в Сбер и других IT-компаниях. Уровень средний — типичная боевая задача на уверенный Python.

Как подступиться к решению

Сначала разбери условие и формат входа-выхода, прикинь крайние случаи (пустой ввод, дубли, NaN). Затем выбери структуру данных и собери решение по шагам — начни с простого рабочего варианта, потом оптимизируй сложность. Код пишешь и запускаешь прямо в браузере: Python-тренажёр исполняет его через Pyodide (pandas, numpy, scipy) и проверяет результат автоматически.

На собеседовании по Python для аналитика ценят чистый читаемый код, корректную обработку крайних случаев (пустой ввод, дубли, None) и умение вслух оценить сложность по времени и памяти. Часто просят не просто решить, а разобрать альтернативные подходы и показать, где наивное решение сломается на большом объёме данных.

Прокачать Python для аналитики — бесплатный курс «Pandas с нуля» и Python-тренажёр.

Открыть задачу в тренажёре → ← Все Python-задачи