- 実行ツール
-
学ぶ
Pythonを学ぶ 実行可能な例、NumPy、pandasなど AI・機械学習を学ぶニューラルネット・機械学習・LLM をゼロから C/C++を学ぶ ポインタ、メモリ、STL、モダンC++ C#を学ぶC# 基礎、OOP、LINQ、async、.NET 演習 Matplotlibを学ぶ折れ線・棒・散布図・円グラフをインタラクティブに Rust を学ぶ所有権、トレイト、エラー処理、スレッド Go を学ぶスライス、インターフェース、goroutine、チャネル Pythonアルゴリズム 探索、ソート、再帰、ビジュアライザー O(n) C/C++アルゴリズム CとC++の実装を比較 子ども向けプログラミング 遊びながらプログラミングを学ぼう!
- クイズNEW
- 課題一覧NEW
- 教師向けNEW
- アップデート
- コーヒーをおごる
AI & Machine Learning クイズ: ROC 曲線と AUC
この難しめのクイズは、「AUC は高いほど良い」の先へ進みます。TPR、FPR、AUC を手で計算し、順位付けの確率としての AUC の意味を読み取り、AUC がキャリブレーションを無視すること、そしてひどく不均衡なデータではモデルを実際より良く見せうることを確認します。
例題
第1問 / 全10問ROC 曲線は何をプロットしたものですか?
答えを見る
B. しきい値を変えたときの真陽性率と偽陽性率の関係 しきい値ごとに 1 つの (FPR, TPR) の点が得られ、x 軸が FPR、y 軸が TPR(再現率)です。しきい値を動かすとこの曲線が描かれます。適合率と再現率の関係を描くのは PR 曲線です。
このクイズの内容
- すべてのしきい値にわたる TPR と FPR
- ランダムな陽性がランダムな陰性より上位になる確率としての AUC
- いくつかのスコアから AUC を計算する
- 単調変換、キャリブレーション、0.5 未満の AUC
- 適合率-再現率曲線のほうが適している場面
よくある質問
アカウントは必要ですか?
いいえ、誰でも遊べます。ログインすると XP、連続記録、バッジ、履歴が保存されます。
何度でも挑戦できますか?
はい。ベストスコアが記録され、問題と選択肢は毎回シャッフルされます。