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