【てきごうりつとさいげんりつ】
適合率と再現率（Precision/Recall） とは？
💡 見つけた中の正解率？ それとも見逃さない力？ 二つの視点でAIの実力を測る
📌 このページのポイント
- 適合率（Precision）は「陽性と判定した中で実際に陽性だった割合」で、誤検出の少なさを示す
- 再現率（Recall）は「実際の陽性のうち正しく陽性と判定できた割合」で、見逃しの少なさを示す
- 両者はトレードオフの関係にあり、片方を上げるともう片方が下がりやすい
- F1スコアは適合率と再現率の調和平均で、バランスの良さを1つの数値で表せる
ひよこ 適合率と再現率って何が違うの？
ペンギン先生 魚釣りで例えるとわかりやすいよ。適合率は「釣った魚のうち食べられる魚の割合」で、再現率は「池にいる食べられる魚のうち実際に釣り上げた割合」なんだ。どっちの視点で評価するかの違いだね。
ひよこ 両方高ければいいんじゃないの？
ペンギン先生 理想はそうなんだけど、実際にはトレードオフの関係にあるんだ。網を大きくすれば魚はたくさん捕れる（再現率が上がる）けど、ゴミも一緒に入ってくる（適合率が下がる）。逆に網を小さくすれば精度は上がるけど、取りこぼしが増えるんだよ。
ひよこ どっちを重視すればいいの？
ペンギン先生 用途によるね。スパムメール検出なら適合率が大事で、大事なメールをスパム扱いしちゃ困るよね。でも病気の検査なら再現率が大事で、病気を見逃すほうが危険だから。「何を間違えたらマズいか」で決めるんだよ。
ひよこ 具体的にはどうやって計算するの？
ペンギン先生 混同行列の4つの値を使うよ。適合率 = TP / (TP + FP) で「陽性判定のうち本当の陽性」、再現率 = TP / (TP + FN) で「本当の陽性のうち見つけたもの」だね。TPは真陽性、FPは偽陽性、FNは偽陰性のことだよ。
ひよこ バランスよく見たいときはどうするの？
ペンギン先生 ひよこ 現場だとどのくらいの数値を目指すの？
ペンギン先生 タスクによるけど、F1スコアが0.8以上なら優秀と言われることが多いよ。ただし、クラスの偏りが激しい場合（不正検知で不正が0.1%など）は、適合率・再現率を個別に見ないと実態がわからない。accuracyだけ見て99.9%と喜んでも、不正を1件も見つけてなかった、なんてことがあるんだ。
ひよこ なるほど、数字の裏側をちゃんと見ないとダメなんだね！
まとめ：ざっくりこれだけ覚えればOK！
「適合率と再現率」って出てきたら「誤検出の少なさと見逃しの少なさを測る指標」と思えればだいたいOK！
📖 おまけ：英語の意味
「Precision and Recall」 ＝ 精度と再現率
💬 precision は「正確さ」、recall は「思い出す・呼び戻す」で、正解をどれだけ呼び戻せたかというニュアンスだよ