FE基礎理論 · 情報に関する理論

ROC曲線

ROC Curve

あーるおーしーきょくせん

2クラス分類のモデルで、正例と判定するしきい値を変化させたときの、偽陽性率を横軸、真陽性率（再現率）を縦軸にとって描いた曲線。曲線が左上に寄るほど性能が高く、曲線の下の面積（AUC）でモデルを比較する。

共有:

他の資格での定義

分類モデルの判定のしきい値を変えながら、横軸に偽陽性率（FP÷（FP＋TN））、縦軸に真陽性率（再現率）をとってプロットした曲線。左上に近いほど性能がよく、対角線はランダムな予測に当たる。曲線の下の面積（AUC）で、しきい値によらないモデルの識別能力を比べられる。

2値分類のモデルで、陽性と判定するしきい値を変えたときの、偽陽性率（横軸）と真陽性率（縦軸）の組を結んだ曲線。曲線が左上に寄るほど性能が高く、曲線の下側の面積であるAUCでモデルを比較する。ROCはReceiver Operating Characteristicの略。

Past Exams

過去問で 3 回出題（応用情報技術者試験 2・高度試験午前Ⅰ 1）。うち 1 回は用語そのものを問う問題です。

出典: 独立行政法人情報処理推進機構（IPA）の過去問題。問題文は IPA のサイトの PDF で確認できます。「用語を問う問題」は、この用語の説明や特徴そのものを問う問題です。用語名で照合しているため、関係の薄い問題が含まれることがあります。

特定の限られたタスクに特化して設計された人工知能。画像認識、音声認識、チェスなど特定分野で高い性能を発揮するが、異なる分野への汎用的な適用はできない。汎用AIと対比される。

教師あり学習の課題の一つで、入力データから売上高や気温のような連続した数値を予測すること。線形回帰などの手法があり、予測値と正解値の誤差が小さくなるようにモデルを学習する。カテゴリを予測する分類と対比される。

説明変数の一次式をシグモイド関数で0〜1の値に変換し、ある事象が起こる確率を推定する手法。名前に回帰とあるが、確率がしきい値を超えるかどうかで2つのクラスに分ける分類に使われ、購買の有無や病気の発症の予測などに用いられる。

要求事項の優先順位をMust（必須）、Should（重要）、Could（あれば良い）、Won't（今回は対象外）の4段階で分類する手法。限られたリソースで最も重要な要求を確実に実現するための優先順位付けに使用される。

直接費はプロジェクトの特定の作業に直接帰属するコスト（人件費、材料費、機器費など）。間接費はプロジェクト全体や組織に共通して発生するコスト（管理費、光熱費、福利厚生費など）。両者を適切に見積もることが正確なコスト管理の基礎となる。

プロジェクトのリスクをカテゴリ別に階層構造で体系化した図。技術リスク、外部リスク、組織リスク、プロジェクトマネジメントリスクなどのカテゴリに分類する。リスク特定の漏れを防ぎ、リスク分析の効率化に役立つ。