В данной задаче тебе предлагается использовать площадь под ROC-кривой для оценки качества моделей.
Напомним, что площадь под кривой также называют ROC-AUC (от Area Under Curve). Она принимает значения в диапазоне от 0 до 1, считается, что чем выше ROC-AUC, тем лучше качество модели.
Заметим, что алгоритмы логистической регрессии, дерева решений и случайного леса по умолчанию оценивают шанс события, то есть возвращают значение число вероятности p из интервала [0, 1]. Затем происходит сравнение значения p с некоторым порогом отсечения, и если значение p выше порогового, то в качестве ответа возвращается 1, в противном случае - 0.