* ROC曲線 (receiver operating characteristic curve) [#kca25310]

//ここには %項目の説明を書いてください.よろしければ署名しておいてください.

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|BGCOLOR(white):TP|BGCOLOR(white):FP|
|~|負|BGCOLOR(white):FN|BGCOLOR(white):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

** 関連項目 [#q7b55f9c]

//英語や同義語のあとに,#brで区切って関連する項目をリストしてください.
-[[ROC curve]]
-[[receiver operating characteristic curve]]
#br
-[[AUC]]
-[[area under the curve]]
#br
-[[F値]]
#br
-[[検索:ROC曲線 AUC]]

** リンク集 [#n9d844fb]

//関連するWWW資源があればリンクしてください.

-[[ICML2004 Tutorial on "The Many Faces of ROC Analysis in Machine Learning">http://www.cs.bris.ac.uk/~flach/ICML04tutorial/index.html]]
#br
-[[Wikipedia:Receiver_operating_characteristic]]
-[[Wikipedia:Area_under_the_curve]]

** 関連文献 [#f35aa38a]

//この%項目%に関連する書籍や論文を紹介してください.

-[[Book/データマイニングの基礎]] 5.2.5e
-[[Book/Data Mining - Concepts and Techniques]] 6.15.2
-[[Book/Data Mining - Practical Machine Learning Tools and Techniques]] 5.7節
-[[Book/Foundations of Statistical Natural Language Processing]] 8.1節
-[[Book/パターン認識(Rで学ぶデータサイエンス5)]] 1.5節

トップ   編集 差分 履歴 添付 複製 名前変更 リロード   新規 一覧 検索 最終更新   ヘルプ   最終更新のRSS