ROC曲線
ROC曲線(Receiver operating characteristic curve、受信者動作特性曲線)
縦軸に真陽性率(再現率、TP)、横軸に偽陽性率(FP)にとったグラフ
2値分類モデルの精度
陽性、陰性のクラスに分けるモデル
真陽性(True Positive; TP)
ポジティブ(陽性や正解など)と予測されたものが実際にポジティブなもの
真陰性(True Negative; TN)
ネガティブ(陰性や不正解など)と予測されたものが実際にネガティブなもの
ポジティブと予測されたものが誤っている(ネガティブである)ようなもの
ネガティブと予測されたものが誤っている(ポジティブである)ようなもの
table: 混同行列
予測した クラス
陽性 陰性
実際の 陽性 真陽性(TP) 偽陽性(FP)
クラス 陰性 偽陰性(FN) 真陰性(TN)
こういう表を混同行列と呼ぶ？
指標
正解率(accuracy)
実際のクラスと同じクラスを予測した割合
$ \frac{\mathrm{TP} + \mathrm{TN}}{\mathrm{TP} + \mathrm{FN} + \mathrm{FP} + \mathrm{TN}}
適合率(precision)
陽性と予測したもののうち、実際に陽性だった割合
$ \frac{\mathrm{TP}}{\mathrm{TP} + \mathrm{FP}}
真陽性率(true positive fraction;TPF / true positive rate;TPR)
再現率(recall)、感度（sensitivity)
実際に陽性のものを正しく陽性と予測した割合
$ \frac{\mathrm{TP}}{\mathrm{TP} + \mathrm{FN}}
特異度(specificity)
実際に陰性のものを正しく陰性として予測した割合
$ \frac{\mathrm{TN}}{\mathrm{TN} + \mathrm{FP}}
偽陽性率(false positive fraction;FPF / false positive rate;FPR)
実際に陰性のものを誤って陽性と予測した割合
$ \frac{\mathrm{FP}}{\mathrm{TN} + \mathrm{FP}}
or
$ 1 - \mathrm{特異度}
偽陰性率(false negative fraction;FNF / false negative rate;FNR)
実際に陽性のものを誤って陰性と予測した割合
$ \frac{\mathrm{FN}}{\mathrm{TP} + \mathrm{FN}}
AUC(Area Under the Curve)
ROC曲線の下の部分
モデルがランダムな選択よりどれだけ優れているかを示す指標
1に近いほど良いモデル
関連
確認用
Q. ROC曲線とは
Q. 真陽性
Q. 真陰性
Q. 偽陰性
Q. 偽陽性
Q. フォールスポジティブ
Q. フォールスネガティブ
Q. 混同行列
Q. 混同行列を作成すると？
Q. 正解率
Q. 真陽性率、再現率、感度
Q. 適合率
Q. 特異度
Q. 偽陽性率
Q. 偽陰性率
Q. TPR
Q. FPR
Q. ROC曲線を作成するときの、
Q. 縦軸
Q. 横軸
Q. AUC
調査用
Wikipedia.icon
Wikipedia.icon
参考
空間的自己相関（くうかんてきじこそうかん、英: spatial autocorrelation）
AUC(Area Under the Curve)
ROC曲線の下の部分
メモ