PR曲線（適合率-再現率曲線）

PR Curve Precision-Recall Curve ぴーあーるきょくせん

高頻出 ⚪ 旧用語テクノロジ系新しい技術

意味・解説

AI（分類モデル）の性能指標において、適合率（Precision）と再現率（Recall）の関係をプロットしたグラフ。

縦軸に適合率、横軸に再現率を取る。ROC曲線と同様に、曲線が右上を通り、面積（AUC-PR）が大きいほど性能が高い。特に「正解データが極端に少ない」不均衡データの評価に有効。

「レアケースを見つけるAIの成績表」です。

1.特性：

ROC曲線はデータの偏りに強いと言われますが、正解が1%しかないような超不均衡データでは、PR曲線の方がAIの「空振り（適合率）」をシビアに評価できます。

2.面積(AUC-PR)：

1.0に近いほど、見逃しも空振りも少ない優秀なAIと言えます。ポイントは、病気の診断や不正検知など、正解（陽性）が極めて少ない実社会のタスクでは、ROC曲線よりもこのPR曲線の方が実力差を正確に映し出すからです。

スパムメールのように陽性データが極めて少ない不均衡なデータセットに対し、ROC曲線ではなくPR曲線を用いてモデルの妥当性を評価した。

同義語: 適合率-再現率曲線

分類: 機械学習の評価指標