ROC曲線（Receiver Operating Characteristic Curve）とは、分類モデルの閾値を変化させたときの真陽性率（TPR/再現率）と偽陽性率（FPR）の関係をプロットした曲線です。モデルの分類性能を視覚的に評価できます。
ROC曲線の読み方
ROC曲線が左上の角に近いほど性能が良いモデルです。対角線（ランダム分類器の性能）より上にあれば有用なモデルと判断できます。複数のモデルのROC曲線を重ねて比較することで、どのモデルが優れているかを視覚的に判断できます。
| ひとことで言うと | 判定のしきい値を動かしたときの、検出率と誤検知率の関係を描いたグラフ。 |
|---|---|
| どこで使う | しきい値をどこに置くべきかの検討、モデル同士の比較。 |
| 注意点 | 不均衡データでは見栄えが良くなりすぎる。PR曲線も併せて確認する。 |
閾値の選択
ROC曲線上の各点は異なる分類閾値に対応しています。偽陽性率と真陽性率のトレードオフを確認しながら、タスクの要件に応じた最適な閾値を選択できます。
1しきい値を動かす0から1まで少しずつ
▶
2各点で2つ計算検出率と誤検知率
▶
3点を打つ縦軸＝検出率、横軸＝誤検知率
▶
4線でつなぐ左上に近いほど良い
▶
5しきい値を決める業務上の許容点を選ぶ