![[PukiWiki]](image/ibisforest.png "[PukiWiki]")
正と負の2クラスの分類問題を考える． 分類器の予測結果と，真の結果に基づいて以下のように分類． 例えば，真に正であるデータで，かつ，予測結果も正であったようなデータ数をTP個とする．
| 真の結果 | |||
| 正 | 負 | ||
| 予測結果 | 正 | TP | FP |
| 負 | FN | TN | |
ROC曲線は，分類器のパラメータを変化させながら，縦軸に \(\frac{TP}{TP+FN}\)，横軸に \(\frac{FP}{FP+TN}\) をとった曲線．
左下の (0,0) で始まって，右上の (1,1) で終わる． 横軸が (0,0) から (0,1)まで上昇し，そこから水平に (1,1) まで続く曲線になれば理想的な分類器．
この曲線の良さを要約したものが AUC (area under the curve)． ROC曲線の下側の面積で，最良なら 1.0 をとる．
-- しましま
