DS検定 用語解説
AUCとは
ROC曲線の下側の面積として分類モデルの識別性能を要約する指標。
AUCの意味と見分け方
AUCは、DS検定の「第5章 データ準備・可視化技法とモデル化」に出てくる用語です。定義だけでなく、どの場面で使う言葉か、何と混同しやすいか、問題文のどの表現で判断するかまで確認します。
情報源と編集区分
公式範囲を確認し、具体例・誤答例・判断手順は当サイトが編集。
試験概要（公式）試験での問われ方
定義の言い換え
用語そのものではなく、説明文の一部を言い換えて出されることがあります。
似た概念との比較
同じ章の用語と入れ替えた選択肢に注意します。対象、目的、使う場面を分けます。
具体例からの判断
問題文の事例が、定義のどの部分に対応しているかを先に確認します。
誤答しやすいポイント
「第5章 データ準備・可視化技法とモデル化」の問題で、取り違えやすい組み合わせです。
- 標本誤差とサンプリングバイアスの混同。標本誤差は標本抽出に伴う偶然のばらつき、サンプリングバイアスは抽出方法の偏りによる系統的な誤差。
- 過学習を『精度が高いこと』と誤解する。訓練データに過剰適合し未知データへの汎化性能が下がる問題として理解する必要がある。
- Precision（適合率）とRecall（再現率）の取り違え。目的（見逃しを減らしたいか、誤検知を減らしたいか）によって重視する指標が変わる。
関連する確認問題
第5章 データ準備・可視化技法とモデル化 / モデル化・評価
回帰モデルの予測値と実際の値との差の絶対値の平均を、元の単位で評価したい。使う指標はどれか。
予測値と実際の値の差の絶対値の平均を評価したいので、回帰モデルの誤差の指標が必要になる。正解は「MAE」である。MAEは、予測値と実際の値との差の絶対値を平均した値で、誤差の大きさを元の単位で読める。「Precision（適合率）」「混同行列」「AUC」は、いずれも分類モデルの評価に使うものであり、回帰モデルの予測値と実際の値の差を評価しない。したがって、回帰モデルの予測値と実際の値との差の絶対値の平均を、元の単位で評価したいという設問の条件に合う指標は、MAEである。
第5章 データ準備・可視化技法とモデル化 / モデル化・評価
分類モデルの評価指標についての説明として、誤っているものはどれか。
誤っている説明を選ぶので、指標の分母の取り方に注意する。正解は「Recall（再現率）は、陽性と判定したもののうち、実際に陽性だった割合である」である。この割合はPrecision（適合率）の定義であり、Recallは、実際に陽性であるデータのうち、正しく陽性と判定できた割合である。特異度が実際に陰性のデータを正しく陰性と判定できた割合であること、AUCがROC曲線の下の面積であること、Precisionが陽性と判定したもののうち実際に陽性だった割合であることは、正しい説明である。したがって、Recallの説明が設問の誤った説明である。
第5章 データ準備・可視化技法とモデル化 / モデル化・評価
分類モデルの性能を、判定のしきい値を変えながら全体で評価し、1つの数値にまとめたい。使う指標はどれか。
しきい値を変えながら全体で評価して1つの数値にまとめたいので、ROC曲線に基づく指標が必要になる。正解は「AUC（ROC曲線の下の面積）」である。AUCは、判定のしきい値を変えたときの分類性能を表すROC曲線の下の面積で、全体の性能を1つの数値にまとめる。「Recall（再現率）」は特定のしきい値での割合である。「決定係数」と「RMSE」は回帰モデルの指標で、分類モデルの評価には使わない。したがって、判定のしきい値を変えながら分類モデルの性能を全体で評価し、1つの数値にまとめたいという設問の条件に合う指標は、AUCである。
同じ章で確認したい用語
他資格でも出題される用語
到達チェック
- AUCを一文で説明できる
- 同じ章の似た用語と違いを説明できる
- 問題文の具体例から、AUCに関係する論点を拾える
- 関連問題を解き、誤答した選択肢の理由を確認できる
執筆: AI資格ドリル編集部（運営者情報を見る）