30秒でわかる要点
しきい値を変えたときの偽陽性率（横軸）と真陽性率（縦軸）の関係を描いた曲線がROC曲線。その下の面積がAUCで、1に近いほど分類性能が高く、0.5はランダムな予測と同じ。
「ROC曲線・AUC」の練習問題
当サイトの練習問題から、この用語に関係する問題をピックアップしました。
Q1受信者動作特性曲線（ROC曲線）と AUC の関係について、最も正確な説明はどれか。
- ROC 曲線は真陽性率と偽陽性率の関係をプロット し、AUC はその曲線下の面積で、値が1に近いほど優れた分類器である
- AUC は常に 0.5 から 1.0 の値を取る
- ROC 曲線は回帰問題の評価に使用される
- AUC が高いほど、必ず精度も高い
答えと解説を見る
正解：A
ROC はしきい値を変化させ、TPR（真陽性率）と FPR（偽陽性率）をプロット。AUC が大きい（1に近い）= 分類性能良好。
Q2ROC 曲線における AUC（Area Under the Curve）が 0.5 の場合、モデルの性能を何と判定するか。
- ランダム推測と同等で、分類能力がない状態である
- 高精度の証拠である
- 完全予測を示している
- 過学習を示している
答えと解説を見る
正解：A
AUC=0.5：ランダム推測と同等。AUC=1：完全分類。AUC>0.5：分類能力あり。
Q3Precision-Recall 曲線（PR曲線）が ROC曲線より優れた特性を示す場合はどれか。
- 不均衡なデータセットで、少数派クラスの性能を直感的に評価できるため
- 均衡したデータセットでのみ有用である
- ROC と同じ情報を提供する
- クラス不均衡には関係ない
答えと解説を見る
正解：A
PR曲線：少数派クラス性能が視覚化されやすい。不均衡データで推奨。ROC は両クラス同等重視。
機械学習の問題をまとめて解いて、理解を確かめましょう（無料・登録不要）。
機械学習の練習問題を解く