注
このコマンドは、 予測分析モジュール.モジュールをアクティブにする方法については、ここをクリックしてください。
ROC曲線は、検出力とも呼ばれる真陽性率 (TPR) をy軸にプロットします。ROC曲線は、第1種の過誤とも呼ばれる偽陽性率 (FPR) をx軸にプロットします。ROC曲線下の面積は、モデルが適切な分類器であるかどうかを示します。
解釈
分類木の場合、ROC曲線下の面積の通常範囲は0.5から1です。値が大きいほど、分類モデルが適切であることを示します。モデルがクラスを完全に分離できる場合、曲線下の面積は1です。モデルがランダムな割り当てよりも良くクラスを分離できない場合、曲線下の面積は0.5です。赤い点線は、ランダムな分類の場合を示します。
クロスバリデーション曲線の面積は約0.91です。トレーニング結果とクロスバリデーション結果を比較し、トレーニングデータセットのモデルに過学習の問題がないか確認してください。
