FujiCert

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

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。

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。

対応試験

DS検定G検定

関連する表記: ROC-AUC / AUC / ROC曲線

関連問題で復習

DS検定データサイエンス

データサイエンス領域で扱う「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

「ROC-AUC」を実務で使う場面の対応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

「ROC-AUC」に関する判断として最も避けるべきものはどれか。

G検定AIに必要な数理・統計知識

ROC曲線とAUCに関する説明として、最も適切なものはどれか。

G検定ディープラーニングの概要

回帰問題でよく使われる損失関数として、最も適切なものはどれか。

関連用語

分類

入力データをあらかじめ決められたカテゴリのどれかに振り分けるタスクです。

評価指標

モデルの性能を測るための指標です。タスクや目的に合わせて適切な指標を選びます。

適合率・再現率

分類モデルの予測の正しさと、見つけるべき対象をどれだけ拾えたかを見る指標です。

FujiCertの用語解説は、各試験の公式問題ではなく、学習者が問題演習で つまずきやすい観点を整理した非公式の学習支援コンテンツです。