機械学習において、2クラス分類モデルの評価方法の一つであるROC曲線で用いられる偽陽性率の説明として、最も適切なものはどれか。 ここで、分類されるデータは正しいものと間違っているものが含まれるものとする。
| ア | “間違い”として予測したデータのうち、実際は“正しい”データの割合 |
| イ | 実際に“間違い”であるデータに対し、誤って“正しい”と予測したデータの割合 |
| ウ | 実際に“間違い”であるデータに対し、正しく“間違い”と予測したデータの割合 |
| エ | 全データのうち、実際に正しく予測できなかったデータの割合 |
答え イ
【解説】
| ア | “間違い”として予測したデータのうち、実際は“正しい”データの割合は、偽陰性率です。(×) |
| イ | 実際に“間違い”であるデータに対し、誤って“正しい”と予測したデータの割合は、偽陽性率です。(〇) |
| ウ | 実際に“間違い”であるデータに対し、正しく“間違い”と予測したデータの割合は、真陰性率です。(×) |
| エ | 全データのうち、実際に正しく予測できなかったデータの割合は、誤答率です。(×) |
【キーワード】
・ROC曲線
- ROC曲線(Receiver Operating Characteristic、受信者動作特性)
観測された信号からあるものの存在を判定する際の基準となる特性で、2クラス分類モデルの評価では真陽性率と偽陽性率の関係を示す曲線になります。
もっと、「ROC曲線」について調べてみよう。
戻る
一覧へ
次へ