DS検定 用語解説
ROC曲線とは
分類のしきい値を変えたときの真陽性率と偽陽性率の関係を表す曲線。
まず押さえる結論
ROC曲線は、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。 一次情報確認日: 2026-10-02。
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
分類モデルのROC曲線の下側の面積を表し、モデルの識別性能を評価する指標はどれか。
正解は「AUC」である。AUCはROC曲線の下側の面積を表し、分類モデルが陽性と陰性をどの程度識別できるかを評価する指標である。RMSEは予測値と実測値の差を二乗して扱う回帰の誤差指標、MAEは誤差の絶対値を平均する回帰の誤差指標、MAPEは誤差を割合として扱う回帰の評価指標である。設問では予測する対象が連続値ではなく分類であり、ROC曲線という可視化と結び付く評価値を問うている。分類か回帰かを最初に区別し、ROC曲線の面積に対応するAUCを選ぶ。
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。
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。
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
- ROC曲線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、ROC曲線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: ミナト編集部（運営者情報を見る）