ROC-Kurve
Definition
Eine ROC-Kurve stellt Erkennungsraten und Fehlalarme über verschiedene Schwellen gegenüber.
Eine Kurve, die für alle Entscheidungsschwellen die True-Positive-Rate der False-Positive-Rate gegenüberstellt.
Einfach erklärt
Beim Verändern der Entscheidungsschwelle sieht man, wie sich richtige Erkennung und falscher Alarm gemeinsam ändern.
Warum das im Alltag wichtig ist
Der Begriff hilft, KI-Systeme fundiert auszuwählen, zu entwickeln, zu bewerten und ihre technischen Risiken realistisch einzuordnen.
Beispiel aus dem Mittelstand
Ein Betrugssystem vergleicht Erkennungsrate und Fehlalarme über verschiedene Schwellen.
Grenzen und Fallstricke
- AUC ohne Klassenverteilung und Kosten interpretieren oder ROC bei stark seltenen Positiven allein verwenden.
Entstehung & Geschichte
ROC-Analysen entstanden in der Signalerkennung und wurden später Standard in Diagnostik und Klassifikation.
Anwendung im Mittelstand
- Mögliche Anwendung: Ein Betrugssystem vergleicht Erkennungsrate und Fehlalarme über verschiedene Schwellen.
Häufige Fragen
Was bedeutet ROC-Kurve?
Eine Kurve, die für alle Entscheidungsschwellen die True-Positive-Rate der False-Positive-Rate gegenüberstellt. Welche Fehler sollte man vermeiden? AUC ohne Klassenverteilung und Kosten interpretieren oder ROC bei stark seltenen Positiven allein verwenden.
Quellen
Quelle geprüft am 10.10.2026. Redaktionelle Anwendungsbeispiele sind hypothetisch; kein Nachweis realer Kundenergebnisse.
Redaktionell geprüft am: