問題 No.3401
機械学習における2値分類モデルの評価指標である適合率（Precision）に関する記述として不適切なものを選択せよ。
【正解の解説】
モデルが実際には陽性であるデータのうち、どれだけを陽性と予測できたかを示す指標である
実際の正解データ全体の中から、モデルがどれだけ「見つけ出せたか」を示すのは再現率の役割です。これは、川にいる魚をすべて網ですくい上げるようなもので、適合率とは分母の取り方が根本的に異なります。試験では適合率と再現率の分母と分子の定義が頻繁に入れ替えて出題されるため、モデルが「予測した基準」を見るのか、「実際の正解基準」を見るのかを整理して覚えることが合格への近道となります。
スポンサーリンク
【その他の選択肢の解説】
モデルが陽性と予測したデータのうち、実際に陽性であったものの割合を示す指標である
オオカミ少年をイメージしてください。彼が「オオカミが出た！」と何度も嘘をついた中で、本当にオオカミが出た割合が適合率です。つまり、モデルの「発言の信頼性」を表します。迷惑メールフィルターの例で言えば、普通のメールを誤って迷惑メールとしてしまわないかという、誤検知の少なさを評価したいときにこの指標が非常に重要な役割を果たします。
モデルが実際には陰性であるデータのうち、どれだけを陰性と予測できたかを示す指標である
適合率が「陽性と予測した世界」に着目するのに対し、この選択肢は「もともと陰性だったもの」に注目しています。医療検査でいえば、健康な人を正しく「健康」と判定できた確率に相当します。陽性データを対象とする適合率とは視点が真逆になるため、混同しないように「何基準のデータで割っているのか」を常に意識して問題を解く必要があります。
モデルが予測したすべてのデータのうち、正しく分類できたデータの割合を示す指標である
クラス全体のバランスが良い場合は有効ですが、詐欺検出のように圧倒的にデータが偏っている場合には、中身の精度を見誤る危険な指標です。適合率は「モデルが陽性と張り切ったもののうち、何個当たっていたか」に絞って評価するため、全体の中での正解率を語るこの選択肢とは定義が完全に異なります。