ROC曲線とAUC - 機械学習 Playground

やってみよう

しきい値を動かすと、左のスコア分布の縦線と、右の ROC 曲線上の点（●）が連動します。しきい値を緩めると TPR（見つけられる割合）は上がりますが FPR（誤検知の割合）も上がります。これがトレードオフです。しきい値をひとつに決めず全部まとめて評価したものが曲線下の面積 AUC。分離度を上げると 2 つの山が離れ、ROC が左上に張りつき AUC が 1 に近づきます。

スコア分布としきい値

陽性クラス

陰性クラス

しきい値

ROC曲線（横 FPR・縦 TPR）

ROC曲線

ランダム（対角線）

現在のしきい値

AUC = –

しきい値（これ以上なら陽性と判定）0.50

分離度（2クラスの分かれやすさ）0.55

TPR・再現率（高いほど良い）

–

FPR・誤検知率（低いほど良い）

–

適合率（陽性判定のうち正解）

–

正解率

–

混同行列 TP / FN / FP / TN

–

目安：AUC = 1.0 は完璧、0.9 前後は非常に良い、0.5 は偶然と同じ。AUC は「ランダムに選んだ陽性のスコアが、ランダムに選んだ陰性より高くなる確率」に等しく、しきい値に依存しない指標です。