Now Loading...

Now Loading...

ROC 曲線と AUC

ROC 曲線と AUC

ROC曲線はTPR(True Positive Rate、再現率、Recall、Sensitivity)とFPR(False Positive Rate)によって描かれるグラフであり、AUC(Area Under Curve)はROC曲線下の面積です。

TPRは実際に正のデータを正と予測できた割合であり、FPRは実際は負のデータを正と誤予測した割合です。一つのモデルに対して分類の閾値を変えていき、ROC曲線をプロットします。AUCが高いほど精度が良いモデルが得られているという指標になります。

クイズ

モデルの混合行列からROC曲線を描き、その曲線下の面積を求めるAUCという指標があるが、ランダムな分解機の場合におけるAUCの値として最も適切な選択肢を一つ選べ。
  • 正解を見る
  • 解説を見る
    AUCとは偽陽性率を横軸、真陽性率を縦軸にとってプロットを行なった時にできる曲線でできる面積(積分値)を表します。ランダムの時、偽陽性率と真陽性率はほぼ等しくなるため、AUCは0.5となります。

人工知能基礎講座を提供中

人工知能の第一人者である東京大学の松尾豊教授が監修した人工知能基礎講座を受講してみませんか? 人工知能の歴史から自然言語処理、機械学習、深層学習といった最先端のトピックやAIに関わる法律問題まで網羅しているので全てのビジネスパーソン・AIの初学者におすすめです。

サンプル動画

人工知能基礎講座はこちら↓ zero to one G検定 人工知能基礎 jdla

AIエンジニアを目指すならE資格

日本ディープラーニング協会の実施するE資格の受験に必要となるE資格認定プログラムを割引価格で提供中です。最短合格を目指す方向けのスピードパッケージを70,000円で提供中。(一発合格で33,000円のキャッシュバックキャンペーンも実施中です) zero to one E資格 jdla

AI初学者・ビジネスパーソン向けのG検定対策講座

G検定受験前にトレーニングしたい方向けの問題集「G検定実践トレーニング」も提供中です。 zero to one E資格 jdla

関連ワード

機械学習の具体的手法

教師あり学習

教師なし学習

強化学習

モデルの評価