今回はモデルの評価をグラフ化する内容となります。
ROC曲線（Receiver Operating Characteristic Curve）
ROC曲線（受信者動作特性曲線）は、分類モデルの性能を視覚的に評価するためのグラフです。
特に 2値分類問題で、**さまざまな閾値（しきい値）における真陽性率（TPR）と偽陽性率（FPR）**をプロットして描かれます。
AUC（Area Under the Curve）
AUC（Area Under the Curve） は、ROC曲線の下の面積のこと。
値は 0～1の間 をとり、1に近いほどモデル性能が高いことを意味します。
ROC曲線・AUCの特徴
✅ 利点：
- クラスの不均衡に強い（Accuracyでは評価しづらい場面でも使える）
- モデルの閾値を変化させたときの性能を視覚的に確認できる
🚫 注意点：
- ROC曲線は「確率 or スコアを出力するモデル」でしか描けない
- 多クラス分類では扱いがやや複雑（One-vs-Restなどの手法を使う）
演習
↓
↓
↓
（解答）
参考資料
・データサイエンス数学