もっと使えるAUC〜ROCカーブを利用してよりよいモデルを選ぼう｜株式会社ヒューマノーム研究所【AI部】

ヒューマノーム研究所・代表の瀬々です。 今回は、機械学習モデルを作成したあと、そのモデルの性能を評価する指標・ROCカーブ (Receiver Operating Characteristic curve）とAUC（Area Under the Curve）について解説します。AUCの計算のもととなるROCカーブの形から、よりよいモデルはどれなのか？を読み解く方法もご紹介しますので、ぜひ最後までご覧ください。 モデル評価に使われる指標について〜精度とAUCAUCは、「故障有り」「故障無し」を予測するモデルのように、2つのクラスのどちらにあたるかを予測するモデルの評価時によく用いられる指標です。 モデルの評価でよく用いられる指標に精度・正答率（Accuracy：正答数/全数）があり、これとAUCは、「似たようなもの」と思われがちですが、実は両者が意味するところは大きな差があります。 特にAU