問題プレビューID: 115ac3af応用情報技術者試験 2025年(令和7年度)秋期 午前

問 3
応用情報技術者試験 2025年(令和7年度)秋期 午前

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。

解説

正解は「イ」です。

偽陽性率(False Positive Rate)は,実際には陰性(ここでは “間違い”)であるデータのうち,誤って陽性(“正しい”)と予測してしまったデータの割合を表します。ROC 曲線は,横軸に偽陽性率,縦軸に真陽性率をとった曲線です。

  • ア: “間違い” と予測したデータのうち実際に “正しい” ものの割合は,適合率(precision)に関連する値であり,偽陽性率ではありません。
  • ウ: 実際に “間違い” であるデータを正しく “間違い” と予測した割合は真陰性率(特異度)であり,偽陽性率ではありません。
  • エ: 全データのうち正しく予測できなかった割合は誤り率(1 − 正解率)であり,偽陽性率ではありません。

関連問題

本文が同じ・似ている問題を表示しています