ROC 曲線とAUC を用いて2値分類機械学習モデルの性能を計測・チューニングする - Qiita

ROC 曲線とAUC を用いて2値分類機械学習モデルの性能を計測・チューニングする - Qiita

これを2 値分類で推測すると以下のような結果が出力されました。 以下の図は猫である/猫ではないの2 値...概要を表示 これを2 値分類で推測すると以下のような結果が出力されました。 以下の図は猫である/猫ではないの2 値だけでなく機械学習の内部で出されている推測値(0.0 〜 1.0) も含めてあらわしています。 大部分は正しく推測できていできていますが、一部機械学習の推測値が閾値より低いため実際には猫であるのに猫ではないと結果(FN)が出されていたり、一方で機械学習の推測値が閾値より高いため実際には猫ではないのに猫であると結果(FP)が出されていたりします。 これらのデータをROC 曲線に落とし込むためにTrue Positive Rate(再現率: Recall) とFalse Positive Rate の値を計算してみましょう。 再現率(Recall, True Positive Rate) $Recall, True Positive Rate=\dfrac{TP}{TP + FN} = \df