資料の 英語版 に戻る
ROC評価指標下の面積
ROC評価指標下の面積
最終更新: 2025年1月30日
ROC メトリックの面積は、モデルがクラス間の違いを識別する能力を測定します。
メトリックの詳細
ROC（receiving-operating characteristic）曲線下の面積は、 watsonx.governance における2値分類の機械学習モデルのパフォーマンスの質を測定する品質評価指標です。
範囲
ROC メトリックの面積は、機械学習モデルのみを評価する。
AI 資産の種類：機械学習モデル
機械学習問題の種類 ：二値分類
スコアと価値
ROC メトリックスコアの面積は、モデルがクラス間の違いをどれだけ正確に識別できるかを示します。 スコアが高いほど、クラスを識別するモデルのパフォーマンスが優れていることを示します。
- 値の範囲 ： 0.0-1.0
- 最高得点 ： 1.0
- グラフ値: 時間フレーム内の最後の値
0.5 のスコアはランダムな推測を示唆する一方、 1.0 のスコアは完璧な分類を表します。
設定
デフォルトのしきい値 ：下限値 = 80%
評価プロセス
ROC メトリックの面積は、異なる閾値に対して、真陽性率（TPR）と偽陽性率（FPR）をプロットすることで算出されます。 各しきい値について、真陽性、偽陽性、真陰性、偽陰性のクラスを指定する混同行列が生成されます。
TPRとFPRはこれらのクラスで計算され、ROC曲線を作成するためにグラフ上にプロットされます。 この曲線下の面積が計算され、メトリックスコアが生成されます。
親トピック： 評価基準
トピックは役に立ちましたか?
0/1000