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。

解説　本サイト独自（IPA公表のものではありません）

ア　ROC曲線は，2クラス分類モデルの判定基準を変化させたときに，実際の陽性を陽性と判定できた割合である真陽性率と，実際の陰性を誤って陽性とした割合である偽陽性率との関係を表す。

• イ　適合率は，陽性と判定したもののうち実際に陽性だった割合である。真陽性率との関係を示す曲線は，ROC曲線の説明ではない。
• ウ　正解率は，全ての判定のうち正しく判定できた割合である。適合率との組合せでは，判定基準に伴う真陽性率と偽陽性率の変化を表せない。
• エ　適合率は陽性判定の確かさを示す指標であり，偽陽性率と組み合わせるだけでは，実際の陽性を捉えた割合が曲線に含まれない。