оптимизировать модель, используя метрики ROC в карете

Question

В поиске гиперпараметров для оптимизации моей бинарной модели классификации с помощью каретки я использую ROC в качестве метрики.Я предполагаю, что при поиске происходит следующее: для любой комбинации гиперпараметров AUROC рассчитывается с использованием прогнозируемой вероятности положительного класса.Тогда параметры с самым высоким значением AUROC выбираются как bestTune.

Мой вопрос: не нужно ли нам указывать положительный класс при использовании ROC в качестве метрики?Из всех интернет-источников это не кажется необходимым.Я немного запутался с этим.Может ли кто-нибудь любезно разъяснить мне этот вопрос?Большое спасибо.

xgb.fit <- train(
    Target~.,
    data=df,
    method = 'xgbTree',
    metric = 'ROC',
    trControl = xgb.control,
    tuneGrid = xgb.tuneGrid)