PR曲線

- 機械学習モデルの評価指標機械学習モデルの性能を測る指標は数多く存在しますが、実務において特に重要となる指標の一つにPR-AUCがあります。PR-AUCは「Precision-Recall Area Under the Curve」の略称で、日本語では「適合率-再現率曲線下面積」と表現されます。PR-AUCは、モデルがどれだけ正確に正例を予測できるかを示す「適合率」と、どれだけ漏れなく正例を見つけ出せるかを示す「再現率」の両方を考慮した指標です。つまり、単に正例を正しく予測するだけでなく、実際にある正例をどれだけ見逃さずに予測できるかという点も評価に組み込まれます。例えば、不正検知や病気の診断など、見逃しを極力減らしたいタスクにおいて、PR-AUCは非常に重要な指標となります。このようなタスクでは、たとえいくらか誤検知があったとしても、可能な限り多くの正例を見つけ出すことが求められます。PR-AUCが高いモデルは、このような状況において、より高い精度で網羅的に正例を見つけ出す能力を持つと言えるでしょう。このように、PR-AUCは実務上の課題に密接に関連した指標であり、機械学習モデルの性能を多角的に評価する上で欠かせない要素と言えるでしょう。