gk 機械学習 評価指標 頻出
G検定トップ
＞ 混同行列（Confusion Matrix）
まず結論
混同行列とは、分類結果を「正解／不正解 × 予測／実際」の4パターンに分けて整理した表です。
評価指標（Accuracy・Precision・Recallなど）は すべて混同行列から計算 されます。
👉 評価指標の土台 になる超重要概念です。
直感的な説明
「予測が当たったか・外れたか」だけでなく、
- 当たりを当てたのか
- ハズレをハズレと判断できたのか
- 誤検知したのか
- 見逃したのか
を きちんと分けて数える のが混同行列です。
異常検知や医療診断のように、
👉 間違いの種類が重要な問題 で特に使われます。
混同行列の4要素（最重要）
| 予測：陽性 | 予測：陰性 | |
|---|---|---|
| 実際：陽性 | TP（真陽性） | FN（偽陰性） |
| 実際：陰性 | FP（偽陽性） | TN（真陰性） |
各要素の意味
- TP（True Positive）
実際に陽性で、予測も陽性（正解） - TN（True Negative）
実際に陰性で、予測も陰性（正解） - FP（False Positive）
実際は陰性なのに、陽性と予測（誤検知） - FN（False Negative）
実際は陽性なのに、陰性と予測（見逃し）
直感的な例（異常検知）
「異常＝陽性」「正常＝陰性」とすると：
- TP：異常を異常と検知できた ✅
- TN：正常を正常と判断できた ✅
- FP：正常なのに異常アラート ❌（誤検知）
- FN：異常なのに見逃した ❌（見逃し）
G検定ひっかけポイント
- FP＝誤検知
- FN＝見逃し
- F（False）は 間違い
- 混同行列を理解しないと
👉 Precision / Recall / F1-score は理解できない
よくある勘違い
- ❌ 正解率（Accuracy）だけ見ればよい
→ ⭕ 誤検知と見逃しを区別する必要がある - ❌ 混同行列は表を覚えるだけ
→ ⭕ 意味をセットで覚える
まとめ（試験直前用）
- 混同行列＝分類結果の内訳表
- TP / TN / FP / FN の4つが基本
- FPは誤検知、FNは見逃し
- 評価指標は すべてここから作られる
🔗 関連記事
🏠 G検トップに戻る