エントリーの編集
エントリーの編集は全ユーザーに共通の機能です。
必ずガイドラインを一読の上ご利用ください。
【図解】ROC曲線・PR曲線の書き方と使い分け基準を解説
記事へのコメント0件
- 注目コメント
- 新着コメント
このエントリーにコメントしてみましょう。
注目コメント算出アルゴリズムの一部にLINEヤフー株式会社の「建設的コメント順位付けモデルAPI」を使用しています
- バナー広告なし
- ミュート機能あり
- ダークモード搭載
関連記事
【図解】ROC曲線・PR曲線の書き方と使い分け基準を解説
ROC曲線とPR曲線は、検査や機械学習の分類に対する性能を判定する方法です。 この手法を用いることで、... ROC曲線とPR曲線は、検査や機械学習の分類に対する性能を判定する方法です。 この手法を用いることで、検査の感度や陽性的中率のトレードオフを考慮しながら、性能を判定・比較することができます。 この記事では、具体例を用いてROC曲線・PR曲線の書き方を説明し、それぞれを状況別に使い分ける方法について解説します。 「すべての閾値」で検査性能を評価する評価指標にはトレードオフがある通常、検査は何かを測定したり計算したりした値に対し、閾値を基準に陽性/陰性を分類することで設計されます。 検査の性能を評価するための指標は色々ありますが、閾値を操作することで、指標がとる値を調整できます。 ただし、これらの指標の多くは互いにトレードオフの関係にあるため、ある指標では性能が良くても、別の指標ではボロボロということが起こり得ます。 具体例タンパク質 \(A\) の値から、病気を判定する検査を考えます。 病気