ROC曲線
上記を読んで、適当な理解は書いておく...
2つに分ける分類問題があったとして、その2つの分布が(ある確率変数で)重なってる場合、正解率は相対的なもの。
その確率変数上での、CDF(cumlative distribution function)の値P1(X=x), P2(X=x)を求めて、その2つを、(そのまま)二次元上にマッピングすれば、ROC曲線ができる。
2つがキレイに別れれば、P1がある値で、P2は0とできる。グラフ上は、右にいかずに上へどんどん登れる。
ただ、基本的には、2つのCDFの累積確率値が上がるようにすれば、ROC上は、右と上の両方に行く、いかに右にいかずに、上にいくか、そうなってる場合には、その2つの分布を上手く分類した学習ができたことになる。
https://gyazo.com/4eadaf723b5dd0eb7723cc87badb0c82