問題
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、分類されるデータは正しいものと間違っているものの2 つがあるものとする。
選択肢
- 1“間違い”と予測したデータのうち、実際に“正しい”データの割合
- 2実際に“間違い”であるデータに対し、誤って“正しい”と予測したデータの割合
- 3実際に“間違い”であるデータに対し、正しく“間違い”と予測したデータの割合
- 4全データのうち、実際に正しく予測できなかったデータの割合
正解
2. 実際に“間違い”であるデータに対し、誤って“正しい”と予測したデータの割合
詳しい解説を見る解説を閉じる
解説
偽陽性率（False Positive Rate）は、本来は陰性（ここでは“間違い”）であるデータのうち、誤って陽性（“正しい”）と判定してしまった割合を指し、FPR＝偽陽性数／（偽陽性数＋真陰性数）で計算します。本問では「実際に“間違い”であるデータに対し、誤って“正しい”と予測したデータの割合」が偽陽性率に該当するため、イが正解です。ROC 曲線は横軸に偽陽性率、縦軸に真陽性率（再現率）をとって描かれます。（出典: 令和7年度 秋期 応用情報技術者試験 午前 問3）
一問一答
全400問を繰り返し学習