AI資格ドリル
資格を選ぶ↓

用語比較

ROC曲線とPR曲線の違い

ROC曲線とPR曲線は、どちらも分類モデルのしきい値を動かしながら性能を見る曲線です。違いは、縦軸と横軸に何を取るかにあります。ROC曲線は再現率（真陽性率）と偽陽性率を、PR曲線は適合率と再現率を取ります。

G検定では、設問の手がかり語から偽陽性率が軸に出るならROC曲線、適合率が軸に出るならPR曲線、クラスが非常に不均衡ならPR曲線の利用を考えると判定します。AUCが出てきたら、曲線下の面積としてROC曲線の話かを確かめます。

このページでは、軸の違い、使いどころ、用語の対応という三つの軸で比較します。適合率と再現率そのものの違いは、適合率と再現率の違いのページで先に確認してください。

この記事の根拠と出典

各セクションの見出しの下に、公式資料で確認した内容か編集部の整理かをラベルで示しています。 試験日・料金・申込条件・試験方式は変わることがあるため、申込前に公式サイトで確認してください。G検定の一次情報確認日: 2026-10-02。

公式一次資料と照合した内容
roc_curve・precision_recall_curve・roc_auc_scoreの役割、再現率と真陽性率、偽陽性率の定義、不均衡なクラスでの適合率・再現率の有用性は、scikit-learn公式ドキュメントのModel evaluationの章と適合率・再現率の例へ2026-10-11に照合しています。
編集部が学習用に整理した内容
軸の語から曲線を判定する手順は編集部の学習上の整理です。

資格ごとの公式資料の一覧

結論

公式一次資料と照合：用語の定義は公式一次資料と照合しています。

ROC曲線

しきい値を変えながら、再現率（真陽性率）と偽陽性率の組を描く曲線。曲線下の面積がAUC。

PR曲線

しきい値を変えながら、適合率と再現率の組を描く曲線。クラスが非常に不均衡なときの予測の成功を見るのに有用とされる。

違いを表で確認

比較軸ROC曲線PR曲線
軸に使う量再現率（真陽性率）と偽陽性率適合率と再現率
しきい値の扱い判定のしきい値を変えて曲線を描く判定のしきい値を変えて曲線を描く
面積の指標曲線下面積がAUC（roc_auc_score）試験ではAUCとあれば、まずROC曲線の面積と結びつける
クラスが不均衡なとき軸に適合率は出てこない適合率・再現率は、クラスが非常に不均衡なときに有用
偽陽性率の定義fp / (fp + tn)（fall out）軸には使わない
選択肢で探すキーワード偽陽性率、真陽性率、AUC適合率、再現率、不均衡、陽性が少ない

公式一次資料と照合：G検定: 2026-10-02に一次資料で確認一次資料の一覧を見る →

G検定の学習に使う書籍（Amazon）

試験範囲を通して読むときの1冊です。読んだ章は、このサイトの章別問題で確かめられます。

PR
深層学習教科書 ディープラーニング G検定（ジェネラリスト）公式テキスト 第3版 の表紙深層学習教科書 ディープラーニング G検定（ジェネラリスト）公式テキスト 第3版試験を実施する日本ディープラーニング協会が監修した公式テキストです。Amazonで見る

ほかの資格を含む参考書・問題集の一覧を見る

どこで迷っているかを切り分ける

01

ROC曲線だけを覚えている人

ROC曲線とAUCは覚えていても、適合率と再現率を軸にした曲線があることを見落としがちです。グラフの軸に適合率が使われているなら、ROC曲線ではなくPR曲線です。

02

適合率と再現率の定義が曖昧な人

再現率は真陽性率とも呼ばれる、実際の陽性を拾えた割合です。適合率は予測陽性のうち正しかった割合です。先に適合率と再現率の違いのページで確認すると、曲線の読み取りが楽になります。

03

陽性が極端に少ないデータの設問に迷う人

不正検知や稀な病気のように、陽性が極端に少ない場面では、適合率と再現率が成功の指標になります。設問が不均衡を強調しているなら、PR曲線を選ぶ手がかりです。

具体例で使い分ける

編集部の整理

例 1

説明文に『偽陽性率』と『真陽性率』が出る場合

説明文に、しきい値を変えて偽陽性率と真陽性率の組を描く、とあります。

  • scikit-learn公式ドキュメントは、再現率を真陽性率（感度）とも呼ぶと説明しています。
  • 偽陽性率は fp / (fp + tn) で求める値で、fall out とも呼ばれます。
  • この二つを軸にする曲線がROC曲線です。

結論: 偽陽性率と真陽性率が軸に出たら、ROC曲線を選びます。

例 2

説明文に『適合率と再現率の組』『不均衡』が出る場合

陽性が非常に少ないデータで、適合率と再現率の組をしきい値ごとに描く、とあります。

  • 公式ドキュメントは、precision_recall_curve が判定のしきい値を変えながら適合率と再現率の組を求めると説明しています。
  • 公式の例は、適合率・再現率がクラスの非常に不均衡な場面で予測の成功を測る有用な指標だと述べています。
  • 軸に偽陽性率が出ないので、ROC曲線ではなくPR曲線です。

結論: 適合率と再現率が軸で不均衡が強調されるなら、PR曲線を選びます。

例 3

説明文に『曲線下の面積』が出る場合

選択肢にAUCがあり、曲線下の面積で性能を一つの数値にまとめる、とあります。

  • 公式ドキュメントは、roc_auc_score をROC曲線下の面積として挙げています。
  • AUCの前提になる曲線はROC曲線です。
  • 曲線の名前がROCかPRかを、設問の軸の語でもう一度確かめます。

結論: AUCと書かれていたら、まずROC曲線の面積と結びつけます。

問題文から答えを選ぶ手順

編集部の整理：軸の語から曲線を判定する手順は編集部の学習上の整理です。

  1. 1

    軸を確認する

    偽陽性率と真陽性率ならROC曲線、適合率と再現率ならPR曲線です。

  2. 2

    AUCの語を確認する

    AUC（曲線下の面積）という語が出たら、ROC曲線の話だと考えます。

  3. 3

    不均衡の語を確認する

    陽性が極端に少ないことが強調されるなら、適合率と再現率を見るPR曲線を考えます。

  4. 4

    定義で最終確認する

    再現率は真陽性率、偽陽性率は fp / (fp + tn) と対応させて検算します。

試験での見分け方

編集部の整理

  • 1偽陽性率と真陽性率（再現率）を軸にするのはROC曲線。
  • 2適合率と再現率を軸にするのはPR曲線。
  • 3どちらも判定のしきい値を変えながら曲線を描く。
  • 4ROC曲線下の面積がAUC。
  • 5クラスが非常に不均衡なときは、適合率・再現率が有用な指標になる。
  • 6再現率は真陽性率、感度とも呼ばれる。

誤答しやすい選択肢

ROC曲線の軸を適合率と再現率だと思う

修正: ROC曲線の軸は偽陽性率と真陽性率（再現率）です。適合率が軸に出るのはPR曲線です。

AUCをPR曲線の面積と決めつける

修正: 公式ドキュメントのroc_auc_scoreは、ROC曲線下面積です。試験でAUCと出たら、基本はROC曲線の面積と結びつけ、軸の語で確かめます。

しきい値を動かすのはROC曲線だけだと考える

修正: PR曲線もprecision_recall_curveで、判定のしきい値を変えながら求めます。

適合率と再現率を同じ意味と考える

修正: 適合率は予測陽性のうち正しかった割合、再現率は実際の陽性を拾えた割合です。

確認問題

Q1しきい値を変えながら、偽陽性率と真陽性率の組を描く曲線はどちらですか？

答え: ROC曲線

再現率は真陽性率とも呼ばれ、偽陽性率は fp / (fp + tn) です。この二つを軸にする曲線がROC曲線です。

Q2しきい値を変えながら、適合率と再現率の組を描く曲線はどちらですか？

答え: PR曲線（適合率・再現率曲線）

公式ドキュメントのprecision_recall_curveは、判定のしきい値を変えながら適合率と再現率の組を求めます。

Q3AUCは、どの曲線の下の面積を指しますか？

答え: ROC曲線

公式ドキュメントのroc_auc_scoreは、ROC曲線下面積を計算する関数として挙げられています。

到達チェック

  • ROC曲線の軸が偽陽性率と真陽性率だと言える
  • PR曲線の軸が適合率と再現率だと言える
  • AUCがROC曲線下の面積だと答えられる
  • クラスが非常に不均衡なときに適合率・再現率が有用なことを説明できる
  • 再現率と真陽性率が同じ量だと言える

関連ページで確認する

同じ資格で次に知りたいこと

  • k-meansと階層的クラスタリングの違い

    k-means法と階層的クラスタリングの違いを、クラスタ数の決め方、重心とデンドログラム、凝集型の併合基準、G検定での判断手順と確認問題まで解説します。

  • L1正則化とL2正則化の違い

    L1正則化（ラッソ回帰）とL2正則化（リッジ回帰）の違いを、罰則の形、係数が0になるかどうか、特徴選択への使い方、G検定での判断手順と確認問題まで解説します。

  • SGDとAdamの違い

    SGD（確率的勾配降下法）とAdamの違いを、更新式、モーメンタムとの関係、1次・2次モーメントの適応的な推定、G検定での判断手順と計算例・確認問題まで解説します。

よくある質問

QROC曲線とPR曲線の最大の違いは何ですか？

A

軸です。ROC曲線は偽陽性率と真陽性率、PR曲線は適合率と再現率を取ります。

QAUCはどちらの曲線に使いますか？

A

ROC曲線下の面積としてのAUCが基本です。公式ドキュメントも、roc_auc_scoreをROC曲線下面積として挙げています。

Qクラスが不均衡なときはどちらを見ますか？

A

公式の例は、適合率・再現率が非常に不均衡なクラスでの予測の成功を測る指標として有用だと述べています。

Q試験中に最短で見分ける方法は？

A

偽陽性率が軸ならROC曲線、適合率が軸ならPR曲線と、軸の語で判定します。

次に見る比較

シェア:XでシェアLINEでシェア

執筆: ミナト編集部（運営者情報を見る）