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。

解説　本サイト独自（IPA公表のものではありません）

イ　偽陽性率とは，実際には陰性であるデータのうち，誤って陽性と予測した割合である。ここでは“間違い”を陰性，“正しい”を陽性とみなすので，実際に“間違い”であるデータを“正しい”と予測した割合が該当する。

• ア　予測を“間違い”としたデータを基準に，その中で実際は“正しい”であった割合であり，偽陽性率とは分母も予測の向きも異なる。
• ウ　実際に“間違い”であるデータを正しく見抜いた割合であり，誤って“正しい”とした割合とは反対側を表す。
• エ　全データを基準とした予測誤りの割合であり，実際に“間違い”であるデータだけを基準とする偽陽性率ではない。