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: 2026-09-11
ROC-AUCとは、偽陽性率（FPR）を横軸、真陽性率（TPR）を縦軸に取るROC曲線の下面積で、二値分類の識別性能を表す指標です。
DS検定G検定
別名・表記: ROC-AUC
試験で問われるポイント
- しきい値を変えるとROC曲線上の点が変わります。曲線そのものと、その下面積AUCは区別します。
- 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。