Путаница в методе roc_auc_score sklearn

Я никогда не заходил так далеко, чтобы получить оценки ROC-AUC. Я просто использую это как должное. Но недавно я взялся за пересмотр метрик и нашел, что эта метрика сбивает с толку.

Предполагая случай бинарной классификации и цитируя документацию:

y_score : подобная массиву форма (n_samples) или (n_samples, n_classes)

Целевые баллы. В бинарном и мультиметочном случаях это может быть либо оценки вероятности или непороговые значения решения (как возвращаются по decision_function на некоторых классификаторах).

Я обнаружил, что у этой метрики может быть два «определения»… Здесь фиктивный пример говорит, что наш положительный класс равен 1, отрицательный — 0.

y_true: Наземные метки правды 6 входов.

y_preds: Вероятность предсказания (сигмоид/softmax) входных данных положительна (класс 1).

y_preds_labels: Предполагая, что порог $T=0,5$, мы можем применить прогнозы np.argmax сигмоид/softmax в y_preds, чтобы получить его.

Я был потрясен, обнаружив, что roc_1 дает 0,3888888888888889, а roc_2 дает 0,5. Можно было бы подумать, что 0,5 — это правильный ответ, не так ли, поскольку модель имеет максимальное количество истинных срабатываний и ложных срабатываний... Теперь, какой из них мне следует использовать...?

y_true = [0,0,1,1,0,1]
y_preds = [0.3, 0.3, 0.1, 0.3, 0.1, 0.2]
y_pred_labels = [0,0,0,0,0,0]
roc_1 = roc_auc_score(y_true, y_preds)
roc_2 = roc_auc_score(y_true, y_pred_labels)

Обновлено: с объяснением я понимаю, что roc_2 неверно. Однако, когда я попробовал следующее, оценка дает другое значение, хотя технически «прогнозы» одинаковы. Итак, теперь я понимаю, что ROC — это показатель ранжирования, но я понял, что в Интернете мало производных/симуляций для этого (большинство статей объясняют идею точности/отзыва/чувствительности и связывают ее с TPR, FPR. Я хотел бы иметь более подробное объяснение того, почему y_preds_3 дает мне совершенно другую оценку ROC-AUC, чем y_preds.

y_true = [0,0,1,1,0,1]
y_preds_3 = [0.3,0.4,0.2,0.4,0.1,0.3]
roc_3 = roc_auc_score(y_true, y_preds_3)

Этот пост здесь дает мне некоторую интуицию, но я надеюсь, что кто-то может связать/объяснить мне более детальный пример.