ROC曲線とは？あーるおーしーきょくせん
ROC曲線とは、分類モデルの判定しきい値を端から端まで動かしながら、縦軸に真陽性率（実際に陽性のものを正しく陽性と当てた割合）、横軸に偽陽性率（実際は陰性なのに陽性と誤った割合）を取って描く曲線。左上に寄るほど性能が高く、曲線の下側の面積AUCが1に近いほど良いモデルと判断する。
最終更新：2026-10-09
基本情報を最短で暗記・合格する →背景
分類モデルの良し悪しを正解率だけで測ると、陽性がごく少ないデータでは全部を陰性と答えるだけで高い値が出てしまい、使えるかどうかが分からない。判定の境目をどこに置くかによって、見逃しと空振りの割合も入れ替わる。しきい値を一つに固定せず、すべての設定をまとめて見比べられるようにしたのがこの曲線で、医療の検査精度の評価から機械学習へ持ち込まれた。
具体例
迷惑メールの判定では、しきい値を下げれば迷惑メールを取りこぼさない代わりに通常のメールまで隔離してしまう。しきい値ごとの真陽性率と偽陽性率を点として打ってつないだものがROC曲線で、その下の面積AUCが0.5なら当てずっぽうと同じ、1.0なら完全な分類を意味する。
試験での引っ掛け
縦軸も横軸も「実際の分類」を分母に取る割合で、陽性と予測したもののうち正解の割合を見る適合率とは分母が違う。またAUCはしきい値によらない総合的な識別力を表す値であり、どのしきい値を採るべきかまで決めてくれるわけではない。
関連用語
出典・参考
公式シラバスの1 基礎理論 ＞ 3. 情報に関する理論 ＞ (8) AI（Artificial Intelligence：人工知能）に関する技術に掲載されている用語です。
解説は資格暗記が独自に作成しています。過去問の出典は各問題に記載のとおりです。