令和7年度 秋期 応用情報技術者試験 午前 問3
テクノロジ／基礎理論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。
出典：令和7年度 秋期 応用情報技術者試験 午前 問3
- ア“間違い” と予測したデータのうち，実際は “正しい” データの割合
- イ実際に “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
- ウ実際に “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
- エ全データのうち，実際に正しく予測できなかったデータの割合
正解：イ
解説
ROC 曲線は，判定のしきい値を動かしながら縦軸に真陽性率，横軸に偽陽性率を取って描く曲線です。偽陽性率（False Positive Rate）は，実際には陰性（本問では“間違い”）であるデータを分母とし，そのうち誤って陽性（“正しい”）と予測してしまった件数の割合，すなわち FP/(FP＋TN) を表します。
選択肢ごとの解説
- ア誤り。“間違い”と予測したデータを分母とし，そのうち実際は“正しい”ものの割合は，陰性と予測したものの誤り率であり，1から陰性的中率を引いた値に当たります。偽陽性率とは分母が異なります。
- イ正しい。実際に“間違い”（陰性）であるデータを分母とし，誤って“正しい”（陽性）と予測した件数を分子とするのが偽陽性率です。
- ウ誤り。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，1から偽陽性率を引いた値になります。
- エ誤り。全データのうち正しく予測できなかったデータの割合は誤り率（エラー率）で，正解率の余事象です。