データ・DX
ROC-AUCとは？
読み: ろっくえーゆーしー英語: ROC-AUC更新日: 2026-06-26
ROC-AUCとは、分類モデルが陽性と陰性をどれだけうまく区別できるかを見る評価指標です。
DS検定G検定
関連表記: ROC-AUC / AUC / ROC曲線
試験で問われるポイント
- しきい値を変えたときの性能を曲線として確認します。
- 二値分類のモデル比較で使われます。
- 業務上はAUCだけでなく、しきい値や誤判定コストも考えます。
具体例
解約しそうな顧客をどれだけ区別できるか、モデル同士で比較します。
混同しやすい点
- AUCが高ければ業務で必ず最適だと考える。
- しきい値設定や不均衡データの影響を見ない。
関連問題で復習
DS検定データサイエンス
分類モデルの評価に用いるROC-AUCの説明として、最も適切なものはどれか。
DS検定データサイエンス
不正取引の検知モデルで、誤検知率（FPR）を20%以下に抑えた上で、見逃しを最も少なくしたい。候補となる閾値での結果が次のとおりである。採用すべき閾値はどれか。 | 閾値 | 真陽性率（TPR） | 誤検知率（FPR） | |---|---:|---:| | A | 0.90 | 0.45 | | B | 0.75 | 0.15 | | C | 0.45 | 0.05 | | D | 0.65 | 0.18 |
G検定機械学習の概要・具体的手法
二値分類モデルのROC曲線とAUC、偽陽性・偽陰性の関係として、最も適切なものはどれか。