ROC曲線で用いられる偽陽性率（False Positive Rate, FPR）は、AIの2クラス分類モデルにおいて、実際に「間違い」であるデータ（陰性）のうち、誤って「正しい」と予測してしまったデータ（偽陽性）の割合を示します。これは FPR = FP / (FP + TN) という式で定義されます。
プロジェクトマネージャ令和7年度 秋期午前I問 2
令和7年度 秋期 プロジェクトマネージャ 午前I 問2
難度
標準
AIにおける機械学習において、2クラス分類モデルの評価方法の一つである ROC 曲線で用いられる偽陽性率の説明として、最も適切なものはどれか。ここで、分類されるデータには正しいものと間違っているものが含まれるものとする。
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
イ実際に“間違い”であるデータに対し、誤って“正しい”と予測したデータの割合
ウ実際に“間違い”であるデータに対し、正しく“間違い”と予測したデータの割合
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
解説
結論 → 詳細 → 補足 の 3 層構成
展開閉じる
解説
結論 → 詳細 → 補足 の 3 層構成
この解説は？
この解説は AI 生成です（詳細）
解説テキストは Google Gemini に IPA 公式の問題文・公式解答を入力して生成しました。 人間によるレビューを行ったものと、未レビューのものが混在します。
AI は事実誤認・選択肢の取り違え・最新法令の反映漏れ等を含む可能性があります。 重要な判断は必ず IPA 公式 PDF または最新の参考書でご確認ください。
解説の検証プロセス・誤り報告フローは 運営透明性レポートで公開しています。
分野「開発技術」の学習ポイント
この問題の理解を「分野全体の力」に広げるための足がかり
- 何が問われるか
- 本問の分野で問われる代表的な知識・用語の整理。
- 学習の進め方
- 正解／誤答の選択肢ごとに「なぜ正しい / なぜ違うのか」を1行ずつ言語化すると定着する。
AI コパイロット
この問題を AI と深掘りする
用語解説・選択肢分析・類題生成をその場で対話。クイズモードでは解答→解説がゼロ遷移。
共有
ショート動画
関連する問題
開発技術 の他の問題
- プロジェクトマネージャ2009年度 春期 午前I 問9Web ページに“パンくずリスト”や“topic path", "breadcrumbs list” などと呼ばれる情報を表示する目的はどれか。
- プロジェクトマネージャ2009年度 春期 午前I 問16新システムのモデル化を行う場合のDFD 作成の手順として、適切なものはどれか。
- プロジェクトマネージャ2009年度 春期 午前I 問17CMMIの開発モデルの目的はどれか。
- プロジェクトマネージャ2009年度 春期 午前I 問21ソフトウェア開発・保守工程において、リポジトリを構築する理由はどれか。
- プロジェクトマネージャ2009年度 春期 午前I 問25共通フレーム 2007によれば、要件定義プロセスで行うべき作業はどれか。