【応用情報技術者試験】ROC曲線

ROC曲線とは、検査や分類モデルの性能を評価するグラフで、横軸に「偽陽性率」、縦軸に「真陽性率（感度）」をとり、さまざまな判定の閾値におけるそれぞれの値をつないで描画します。この曲線が左上に近いほど、モデルの判別能力が高いと評価されます。

参照：https://bellcurve.jp/statistics/glossary/2167.html?srsltid=AfmBOop8ZP_UhY4Stksq4_IRlw040iURyvJA03NOhuO7QuTwixF6Likh

ROC曲線でわかること

• 検査やモデルの性能評価:さまざまな閾値での性能を視覚的に比較し、どちらの検査やモデルが優れているかを判断できます。
• 最適なカットオフ値の決定:曲線上の最適な点は、感度と偽陽性率のバランスが良い部分で、これが理想的な判定のしきい値となります。

グラフの要素

• 縦軸:真陽性率（ TPR: True Positive Rate ）
  • 「実際には陽性（1）であるものの中で、正しく陽性（1）と予測できた割合」です。感度（Sensitivity）や再現率（Recall）とも呼ばれます。
• 横軸:偽陽性率（ FPR: False Positive Rate ）
  • 「実際は陰性（0）であるものの中で、誤って陽性（1）と予測してしまった割合」です。
• 理想的な性能:グラフの左上隅にある点（1.0,1.01.0 comma 1.01.0,1.0）に近づくほど、性能が良いとされます。