令和7年度 秋期 午前 問3
基礎理論
偽陽性率の説明
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。
- 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
答えと解説を見る
✓ これが正解イ実際に“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
解説
実際に間違いのうち誤って正しいと予測した割合です。
この設問は、ROC 曲線の横軸に取られる偽陽性率が何を表す量なのかを、四つの説明から選ばせています。ですから見分けの軸は、分母に置くのが実際の値なのか予測した値なのか、また分子に置くのが誤った予測なのか正しい予測なのかという二点だけです。偽陽性率は、実際は陰性であるものを分母に置き、そのうち誤って陽性と判定したものを分子に置いた割合として定められる量です。この設問では正しいものを陽性、間違っているものを陰性として言い換えていますから、実際に間違いであるデータの総数を分母に置き、そのうち誤って正しいと予測したデータの数を分子に置いた割合を答えれば整合します。したがって説明として当てはまるのは、実際に間違いのデータに対して誤って正しいと予測した割合を述べたものだけです。
ほかの選択肢はなぜ違うのか
- ア“間違い”と予測したデータのうち,実際は…: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という説明で、分母を予測の側に置いた形になっています。間違いと予測した側、つまり陰性と予測した側を分母に取るこの量は陰性的中率の裏返し、言い換えると陰性と判定した中に陽性が混じる割合に当たり、実際の値を分母に取る偽陽性率とは別物です。なお適合率の裏返しは、正しいと予測した側を分母に取った場合の量です。
- ウ実際に“間違い”であるデータに対し,正し…:実際に間違いであるデータのうち正しく間違いと予測したデータの割合という説明で、分子を正しい予測の側に置いた形になっています。この量は特異度に相当し、偽陽性率とは足して 1 になる裏返しの関係にある別の指標です。
- エ全データのうち,実際に正しく予測できなか…: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という説明で、分母を実際の陰性ではなく全件に置いた形になっています。この量は誤り率であって、ROC 曲線の軸に置かれる指標そのものではありません。
この問題の用語
- 機械学習大量のデータから、きまりを自分で見つけ出させるやり方です。集めて整えたデータを分析し、新しい傾向を導く段階で使います。
出典:令和7年度 秋期 応用情報技術者試験 午前 問3
同じ用語が出る問題
- 令和7年度 春期 午前 問71:エッジデバイスで行われる推論処理(機械学習)
- 令和7年度 春期 午前 問3:過学習と疑われたときの解消方法(機械学習)
- 令和6年度 秋期 午前 問76:ベイズ統計の説明(機械学習)
- 令和6年度 秋期 午前 問7:統計解析に関する問題(機械学習)
- 令和5年度 秋期 午前 問73:マシンビジョンの目的(機械学習)
この解説に誤りを見つけたら教えてください。直して、直した記録を残します。誤りを報告する(メールが開きます)