あーるおーしーきょくせん・えーゆーしー

ROC 曲線・AUC

ROC = Receiver Operating Characteristic, AUC = Area Under the Curve

二値分類の性能指標です。ROC曲線は真陽性率と偽陽性率をプロットし、AUCは1に近いほど性能が高いことを示します。データの偏りに強く、G検定では混同行列との違いが問われます。

詳しい説明

ROC曲線は二値分類モデルの性能を評価する手法です。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値をプロットして曲線を作成します。

AUCはROC曲線の下側の面積を指し、値が1に近いほど分類性能が高いことを示します。モデルがランダムに予測する場合のAUCは0.5になります。

G検定では、精度や再現率といった指標と比較して問われます。正解データのラベルに偏りがある場合でも安定した評価ができる点が、ROC曲線とAUCの強みです。