AUC
意味・解説
ROC曲線の下の面積。分類モデルの性能を0〜1で評価する指標。
「真陽性率」と「偽陽性率」のトレードオフを可視化する。AUCの値が1に近いほど、AIの判別性能（正解と不正解を見分ける力）が優れていることを示す。
くわしく
「AIという『検品員』が、どれだけ正確に良品と不良品を見分けられるかを測る指標」です。
1.ROC曲線:
判定の基準（しきい値）を動かしたときの、『正解を正解と言える確率』と『間違いを正解と言ってしまう確率』の推移をプロットした線です。
2.AUC:
その曲線の下側の面積です。ランダムな予想なら0.5になり、完璧なら1.0になります。ポイントは、単純な『正解率』だけでは、データの偏り（例：
1000個に1個しかない不良品）がある場合にAIの真の実力を測れないため、このグラフの形状で判断する必要があるからです。
例文
病気診断AIの性能を比較するため、複数のモデルのROC曲線を描画し、最もAUCが高いアルゴリズムを採用した。
同義語: 受信者動作特性曲線 / AUCスコア
分類: 機械学習モデルの評価指標