Precision-Recall Curve(適合率・再現率曲線)及び ROC Curve (ROC曲線)を 描画(AUC面積 算出)するときに依拠するのは、分類器 による新規データ の 『クラス帰属確率』の 推定値 で、(Python) sklearnモジュール の classification_reportメソッド を用いて、よく出力される 「適合率・再現率」が 依拠する「確定的な」クラス判定結果 ではありません。 学習用データで学習済みの「分類器」を使って、新規データ の クラス分類予測 を 行う際、帰属クラス を 「確定的」(断定的)に 予測 する方法 と、対象データ が 各クラス に帰属する「確率」 を 求める方法 の 2種類のやり方 があり、R言語の関数にも、Python言語 のメソッド(モジュール)にも、双方の形式で予測を行うライブラリ が 用意されています。 上記は、よく混
![( 頭の整理 )ROC曲線 を 描画(AUC面積 算出)するとき使うのは、分類器 による新規データ の 『クラス帰属確率』の 推定値 の方なので注意。 - Qiita](https://cdn-ak-scissors.b.st-hatena.com/image/square/cbc1f0f7d57c0fbd7dc87d81bc07542c36a83eff/height=288;version=1;width=512/https%3A%2F%2Fcdn.qiita.com%2Fassets%2Fqiita-fb-2887e7b4aad86fd8c25cea84846f2236.png)