ROC曲線の理解

問題

ROC曲線に関する記述として正しいものを1つ選べ。

ROC曲線（Receiver Operating Characteristic curve）は、二値分類モデルの性能を評価するためのグラフです。

縦軸に「真陽性率（TPR：Recall）」、横軸に「偽陽性率（FPR）」をとり、分類の「閾値（しきい値）」を連続的に変化させたときの両者の関係を可視化します。

AI開発において、モデルがどのように振る舞うかを俯瞰し、ビジネス要件に合わせて最適な閾値を決定したり、モデル間の性能を比較したりする際に非常に重要なツールです。

1. ROC曲線は真陽性率と偽陽性率の関係を可視化する

正しい：ROC曲線は、縦軸に真陽性率、横軸に偽陽性率をとり、閾値を変化させたときの分類性能の変化を可視化するグラフです。

2. ROC曲線は回帰モデルで使う

誤り：ROC曲線は、連続値を予測する回帰モデルではなく、カテゴリを予測する分類モデルの性能評価に用いられます。

3. ROC曲線は閾値を固定して描く

誤り：ROC曲線は閾値を固定するのではなく、閾値を0から1まで連続的に変化させて様々な結果をプロットして描画します。

4. ROC曲線は偽陰性率を横軸に取る

誤り：ROC曲線の横軸は「偽陽性率（FPR）」です。「偽陰性率」ではありません。

← 前の問題次の問題 →

📚 より詳細を学びたい方へ