問3 ROC 曲線の偽陽性率

応用情報技術者試験令和7年度秋期午前、全80問のうちの問3。

AI における機械学習において，2 クラス分類モデルの評価方法の一つである ROC 曲線で用いられる偽陽性率の説明として，最も適切なものはどれか。ここで，分類されるデータには正しいものと間違っているものが含まれるものとする。

答えと解説を開く

正解はイです。

2 クラス分類では、“正しい”を陽性、“間違い”を陰性と考えます。偽陽性は「本当は陰性なのに、陽性と判定してしまった」物です。偽陽性率は、実際に陰性のデータ全体を分母にして、そのうち誤って陽性と判定した数の割合を出します。式で書くと偽陽性 ÷ (偽陽性＋真陰性) です。この説明に合うのはイです。

ほかの選択肢が違う理由

ROC 曲線は、判定の境目 (しきい値) を少しずつ動かしながら、横軸に偽陽性率、縦軸に真陽性率をとって描く線です。

左上に張り出すほど、誤って陽性と言う割合を低く抑えたまま、本当の陽性を多く拾えている良いモデルです。曲線の下の面積 (AUC) が 1 に近いほど良いと読みます。