Confusion matrix и ROC-AUC

Условие задачи

Дано: массивы y_true и y_proba (вероятности класса 1) -- 200 значений. При пороге классификации 0.5 (proba ≥ 0.5 → 1) посчитайте: матрицу ошибок, ROC-AUC и F1-score. Сохраните dict {"confusion_matrix": list of lists, "roc_auc": round(4), "f1": round(4), "threshold": 0.5} в `result`.

Темы

confusion_matrix roc_auc f1_score classification

Подсказки

• confusion_matrix: [[TN, FP], [FN, TP]]
• roc_auc_score принимает вероятности (не бинарные предсказания)
• F1 = 2 * precision * recall / (precision + recall)

Открыть задачу в тренажёре → ← Все Python-задачи