ROC曲線による2クラス分類モデルの評価

ROC曲線（Receiver Operating Characteristic curve：受信者操作特性曲線）は、2クラス分類モデルにおいて判定のしきい値を変化させたときの「偽陽性率（False Positive Rate：FPR、横軸）」と「真陽性率（True Positive Rate：TPR / 再現率、縦軸）」の関係をプロットした評価曲線です。曲線下の面積（AUC：Area Under the Curve）が 1 に近いほど分類性能が高いモデルと判断できます。 真陽性率（再現率）と適合率（Precision）の関係を示す曲線は「PR曲線（Precision-Recall曲線）」です。 正解率（Accuracy）と適合率を直接対比させる一般的な評価曲線ではありません。 適合率と偽陽性率を軸とした一般的な評価曲線ではありません。

AIにおける機械学習で，2クラス分類モデルの評価方法として用いられるROC曲線の説明として，適切なものはどれか。

出典令和5年度 春期 応用情報技術者試験 午前 問3
ア
真陽性率と偽陽性率の関係を示す曲線である。
イ
真陽性率と適合率の関係を示す曲線である。
ウ
正解率と適合率の関係を示す曲線である。
エ
適合率と偽陽性率の関係を示す曲線である。