ROC (Receiver Operating Characteristic) eğrisi ve AUC (Area Under the Curve) şu şekilde hesaplanır: 1. ROC Eğrisi: Bu eğri, gerçek pozitif oran (TPR) ile yanlış pozitif oran (FPR) arasındaki ilişkiyi farklı sınıflandırma eşiklerinde gösterir. 2. AUC: AUC, ROC eğrisinin altındaki alanı temsil eder ve 0 ile 1 arasında bir değer alır. Hesaplama adımları: 1. Model eğitildikten sonra, pozitif sınıf için olasılık puanları oluşturulur. 2. Bu puanlar kullanılarak ROC eğrisi ve AUC değeri hesaplanır. Örneğin, Python'da scikit-learn kütüphanesi ile AUC'yi hesaplamak için: ```python from sklearn.metrics import roc_auc_score # y_true: Gerçek etiketler, y_scores: Tahmin edilen olasılıklar auc = roc_auc_score(y_true, y_scores) print(f"AUC: {auc}") ```.