AIにおける機械学習で、2クラス分類モデルの評価方法として用いられるROC曲線の説明として、適切なものはどれか。
ア 真陽性率と偽陽性率の関係を示す曲線である。
イ 真陽性率と適合率の関係を示す曲線である。
ウ 正解率と適合率の関係を示す曲線である。
エ 適合率と偽陽性率の関係を示す曲線である。
ア
2クラス分類モデルの評価方法として混同行列が使われる。
混同行列は４つのクラスに分類できる。
┌─────────┐
│ 予測 │
├────┬────┤
│Positive│Negative│
┌───┬────┼────┼────┤
│ │Positive│ ＴＰ │ ＦＮ │
│実 際├────┼────┼────┤
│ │Negative│ ＦＰ │ ＴＮ │
└───┴────┴────┴────┘
実際:Positive、予測:Positive は、TP (True Positive)
実際:Positive、予測:Negative は、FN (False Negative)
実際:Negative、予測:Positive は、FP (False Positive)
実際:Negative、予測:Negative は、TN (True Negative)
代表的な指標は以下のとおりである。
適合率 ＝ TP ／ (TP ＋ FP)
再現率 ＝ TP ／ (TP ＋ FN)
ア 正しい。ROC (Receiver Operating Characteristic curve) 曲線は、真陽性率 (TPR = True Positive Rate) と偽陽性率 (FPR = False Positive Rate) の関係を示す曲線である。受信者動作特性曲線とも呼ばれる。
イ 適合率はTP ／ (TP ＋ FP)である。
ウ 正解率は、TP ＋ FNである。
エ 適合率はTP ／ (TP ＋ FP)である。
| 問２ | 目次 | 問４ |