問題 No.376
二値分類モデルの閾値を変化させた際の「偽陽性率」と「真陽性率」の変化をグラフ化したROC曲線について。この曲線の下側の面積であるAUCが1.0に近いほど、モデルの分類性能は優れていると判断される。この理由として最も適切なものはどれか。
【正解の解説】
閾値をどの値に設定しても偽陽性が発生せず、かつ真陽性を確実に見逃さないため
AUCが1.0に近いということは、どのような閾値でも高い正解率を維持できている「理想的な状態」を指します。偽陽性率（誤検知）を抑えつつ真陽性率（正解）を高く保てるため、分類性能が非常に優れていると判断されます。
スポンサーリンク
【その他の選択肢の解説】
閾値の変化に伴って正解率が常に一定に保たれることが保証されているため
閾値を変化させれば正解率も変動するのが一般的であり、ROC曲線が正解率を一定に保つことを示しているわけではありません。
偽陽性率を増やせば増やすほど、真陽性率がそれに比例して減少するため
偽陽性率と真陽性率はトレードオフの関係にありますが、それが比例して減少することがAUCが高い理由ではありません。むしろ、偽陽性率を増やさなくても真陽性率が高い状態を維持できる性能が重要です。
データセットに含まれる少数派クラスのデータ数が多数派と完全に一致しているため
ROC曲線やAUCはクラスの不均衡（データ数の偏り）の影響を受けにくく、クラスのバランスが一致している必要はありません。