解説

ROC曲線（Receiver Operating Characteristic曲線）は2クラス分類モデルの評価に使い、横軸に偽陽性率（FPR）・縦軸に真陽性率（TPR）をとります。偽陽性率（False Positive Rate）は「実際に陰性（間違い）であるデータのうち、誤って陽性（正しい）と予測してしまった割合」です（選択肢b）。FPR＝FP/(FP+TN)＝「実際に間違いのデータのうち正しいと誤判定した比率」。この問題の文脈では「正しい」が陽性クラス、「間違い」が陰性クラスです。

なぜ他の選択肢は違うのか

選択肢 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」は偽発見率（FDR）に近い説明、または予測が陰性のうち実際は陽性だった割合（偽陰性率の逆の概念）です。偽陽性率とは分母が異なります。

選択肢 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割合」は真陰性率（TNR＝特異度）の説明です。偽陽性率＝1－真陰性率の関係があります。

選択肢 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」は誤り率（Error Rate）の説明です。偽陽性率は全データではなく「実際に陰性のデータ」を分母にします。

解くときのポイント

ROC曲線の2軸：横＝偽陽性率FPR＝FP/(FP+TN)「実陰性のうち誤って陽性と判定した割合」、縦＝真陽性率TPR＝TP/(TP+FN)「実陽性のうち正しく陽性と判定した割合」。分母が「実陰性全体」か「実陽性全体」かで区別する。