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。

選択肢

• 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

正解と解説

正解：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

偽陽性率（FPR）は、実際には陰性であるデータのうち、誤って陽性と予測された割合を指す。この設問では“正しい”を陽性とみなすので、実際は“間違い”のデータのうち“正しい”と予測してしまった割合が偽陽性率になる。ROC曲線はこの偽陽性率を横軸、真陽性率を縦軸にとって描く。

選択肢ごとの解説

• ア予測を分母にする指標で、これは適合率（precision）の考え方に近く偽陽性率ではない。
• イ正解。実際の陰性を分母とし、そのうち誤って陽性と判定した割合が偽陽性率。
• ウ実際の陰性を正しく陰性と判定した割合であり、これは真陰性率（特異度）。
• エ全データに対する誤りの割合で、誤り率（1−正解率）に当たる。

同じ分野の他の問題

• クラウドで学習し，エッジデバイスで推論する機械学習ベースのエッジAIにおいて，エッジデバイスで行われる推論処理として，適…2025年度 春期 午前 問71
• AIにおける機械学習の過程において，過学習と疑われたときの解消方法として，最も適切なものはどれか。2025年度 春期 午前 問3
• 生成AIのビジネス活用において、独自のデータを学習させることにより基盤モデルを自社の業務やサービスに特化したモデルへとカ…2024年度 秋期 午前 問71
• AIにおける教師あり学習での交差検証に関する記述はどれか。2024年度 秋期 午前 問2
• AIにおけるディープラーニングに関する記述として、最も適切なものはどれか。2019年度 春期 午前 問3