AUC через trapezoid rule

Условие задачи

Реализуй `auc_roc(y_true, y_score)` без sklearn. y_true — бинарные метки 0/1, y_score — вероятности класса 1. Возвращает AUC округлённое до 4 знаков.

Темы

ML AUC ROC metrics

Подсказки

• Сортируй (score, label) убывающе по score
• Накапливай TPR (tp/P) и FPR (fp/N) по точкам
• Трапециевидная сумма площадей

Что проверяет эта задача

Задача «AUC через trapezoid rule» учит решать алгоритмические задачи на Python: оценивать сложность по времени и памяти и выбирать подходящую структуру данных. Такие задачи дают на собеседованиях в ML и других IT-компаниях. Уровень сложный — проверяет глубину и умение собрать решение из нескольких приёмов.

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