ROC曲線とは？
あーるおーしーきょくせん
分類モデルの性能を、判定閾値を変化させながら真陽性率と偽陽性率の関係で可視化した曲線です。
ROC曲線（Receiver Operating Characteristic curve）は、二値分類モデルの評価に使われるグラフで、縦軸に真陽性率（感度・TPR）、横軸に偽陽性率（1−特異度・FPR）を取り、判定の閾値を0から1まで連続的に変化させたときの軌跡を描きます。
完璧な分類器は左上の角（TPR=1、FPR=0）を通り、ランダムな当て推量は対角線（y=x）に相当します。ROC曲線が左上に近いほど優れたモデルと言えます。
ROC曲線の下の面積をAUC（Area Under the Curve）と呼び、0から1の値をとります。
- AUC=1.0：完全な分類
- AUC=0.5：ランダムと同等
- AUC=0.5以下：逆向きの判定
医療診断（疾患の有無を判定する検査の精度評価）、スパムフィルター、信用スコアリングなど、閾値の選択が成果に大きく影響する分野で、モデル比較や最適閾値の決定に活用されます。クラス不均衡が極端な場合は、PR曲線（精度-再現率曲線）と併用することが推奨されます。
使い方・例文
がんの画像診断モデルを評価する際、ROC曲線を描いてAUCを算出し、複数のモデルを一つのグラフ上で比較する場面で使われます。
この用語をシェア
最終更新: