# ROC曲線

> ROC曲線 - ROC曲線ツールは、確率スケール上の任意のポイントで、選択したモデルに関する分類、パフォーマンス、および統計を探索する際に役立ちます。

This Markdown file sits beside the HTML page at the same path (with a `.md` suffix). It summarizes the topic and lists links for tools and LLM context.

Companion generated at `2026-10-09T14:18:51.445394+00:00` (UTC).

## Primary page

- [ROC曲線](https://docs.datarobot.com/ja/docs/workbench/build-workbench/experiments/experiment-insights/roc-curve.html.md): Full documentation for this topic (Markdown sidecar).

## Sections on this page

- [次のステップ](https://docs.datarobot.com/ja/docs/workbench/build-workbench/experiments/experiment-insights/roc-curve.html.md#next-steps): In-page section heading.

## Documentation content

| タブ | 説明 |
| --- | --- |
| パフォーマンス | 確率スケール上の任意のポイントで、選択したモデルに関連する分類、パフォーマンス、統計を調べるのに役立ちます。 |

For classification experiments, the ROC Curve tab provides the following tools:

- ROC曲線
- 累積チャート
- 混同行列
- ペイオフ行列/収益曲線
- 指標

## 次のステップ

Continue evaluating your classification model with these related insights.

- Confusion Matrix : Evaluate model performance for multiclass experiments using a confusion matrix.
- Lift Chart : See how well the model segments the target population and ranks predictions from low to high.
- Metric Scores : Review the model's performance across all supported metrics.