AUC計算機｜分類モデルの性能評価指標
ROC曲線のAUCを計算する無料電卓。TPR・FPRの3点データから、AUC・分類性能を瞬時算出。
ROC曲線・AUCツール
ROCAUCとは
AUC（Area Under Curve）はROC曲線下の面積で、二値分類モデルの性能を表す代表指標。0.5=ランダム、1.0=完璧。0.7以上が実用ライン、0.9以上が優秀。閾値に依存しない総合評価指標として機械学習・医療診断で標準。
計算式と考え方
AUC = ROC曲線下の面積（0〜1）
台形公式：Σ (FPRᵢ₊₁ - FPRᵢ) × (TPRᵢ + TPRᵢ₊₁) / 2
0.5未満は反転すれば改善の余地あり。0.5は完全ランダム。
計算例
- AUC=0.95 → 優秀な分類器
- AUC=0.7 → 実用最低ライン
- AUC=0.5 → ランダム同等
注意点・落とし穴
- クラス不均衡時はPR曲線も確認
- AUC高くても閾値最適化は別問題
- ビジネス指標との関連性確認重要
よくある質問（FAQ）
AUC=1なら最高？
そう。完璧分類。但しオーバーフィット疑え。
閾値はどう決める？
ROC曲線の左上に近い点がバランス良。コスト関数で最適化も。
PR曲線との違いは？
クラス不均衡時はPR優先。陽性少ない場合AUC見かけ上高くなる。