AUCとは
AUC
読み: エーユーシー
AUCとは、機械学習モデルの性能を評価するための指標の一つである
読み: エーユーシー
かんたんに言うと
AUCは、モデルがどれだけ上手に「Yes/No」を区別できるかを0から1の間の数字で表したものです。1に近いほど性能が良いことを意味します。
ROC曲線との関係
AUCは、ROC（Receiver Operating Characteristic）曲線と密接な関係がある。ROC曲線は、横軸に偽陽性率（False Positive Rate）、縦軸に真陽性率（True Positive Rate）をプロットしたものである。AUCは、このROC曲線の下側の面積を指し、モデルがランダムなサンプルを正しくランク付けする確率を表す。
AUCの解釈
AUCの値は0から1の範囲を取り、1に近いほどモデルの性能が高いことを示す。AUCが0.5の場合、モデルの性能はランダムな予測と同程度であることを意味する。AUCが0.7以上であれば、一般的に良好な性能を持つモデルと判断される。ただし、AUCの解釈は、扱うデータやタスクによって異なる場合がある。
AUCの利点と注意点
AUCは、クラスの分布が不均衡なデータセットでも、モデルの性能を安定して評価できるという利点がある。しかし、AUCはモデルの予測確率そのものを評価するものではないため、予測確率の校正（キャリブレーション）は別途行う必要がある。また、AUCはあくまでモデルのランキング性能を評価する指標であり、ビジネス上の価値を直接示すものではない点に注意が必要である。