戦略的データサイエンス入門 ―ビジネスに活かすコンセプトとテクニック

235

235

8.3　ROC グラフと曲線

では、どのモデルを使うべきでしょうか。

8,000

人の顧客は顧客基盤全体の

8

％であるため、

利益曲線を見るときに、

x

＝

8

％での値を確認します。その点で最高の利益を出しているモデ

ルは分類器

1

です。母集団全体をスコア付けするために分類器

1

を使い、上位にランク付け

された

8,000

人の顧客にオファーを送ればよいことになります。

要約すると、このシナリオからは、予算の制約を追加することで、意思決定に

2

つの変更

が起きることわかります。まず、戦略の変更（

8%

の顧客をターゲットとすることであり、

50%

ではないこと）が起きます。さらに、ランク付けを行う分類器の変更が起きます。

8.3

 

ROC

グラフと曲線

利益曲線が適切である場面は、分類器を使用する条件が正確にわかるようなときです。具

体的には、利益の計算の基礎となる

2

つの重要な条件があります。

1.

クラスの事前分布：ターゲット母集団中の陽性インスタンスと陰性インスタンスの割

合。またベースレート（通常、陽性インスタンスの割合で表される）として知られて

いる。式

7-2

では、

p

（

p

）と

p

（

n

）を区別していた。

2.

コストと利益：期待利益は、コスト−利益行列の要素であるコストと利益のバランス

に強く影響を受ける。

クラスの事前分布とコストと利益の推定が両方ともよくわかっていて、安定している場

合、利益曲線はモデル性能を可視化する手法として適しているでしょう。

しかし実際には、多くの業務領域でこれらの条件は不明か、または不安定です。実業務に ...