gk 機械学習 評価指標 頻出
G検定トップ
＞ Precision（適合率）
まず結論
Precision（適合率）は、「陽性と予測したものの中で、実際に正解だった割合」です。
混同行列を使うと、
Precision = TP / (TP + FP)
👉 誤検知（FP）をどれだけ減らせているか を見る指標です。
直感的な説明
「異常です！」とアラートを出したときに、
- 本当に異常だった割合はどれくらい？
- 無駄なアラートを出していない？
これを表します。
👉 当たった“質”を見る指標 と考えると分かりやすいです。
混同行列からの式（最重要）
| 予測：陽性 | 予測：陰性 | |
|---|---|---|
| 実際：陽性 | TP | FN |
| 実際：陰性 | FP | TN |
- 分母：予測で陽性にしたもの（TP + FP）
- 分子：その中で正解だったもの（TP）
いつ使う？（得意・不得意）
得意
- 誤検知を減らしたいとき
- アラートや通知の「信頼性」を重視したいとき
例：
- 異常検知の警告
- スパムメール判定
- 不正検知
苦手
- 見逃し（FN）が多くても、数値が高くなることがある
👉 Precisionが高くても、Recallが低い場合がある。
Accuracyとの違い
- Accuracy：全体でどれだけ当たったか
- Precision：当たったと言ったものは、本当に当たっているか
👉 見ている視点がまったく違います。
G検定ひっかけポイント
- Precision は FP（誤検知）に敏感
- 「適合率」＝ 予測がどれだけ信用できるか
- 異常検知では
👉 Precision が低い＝ 無駄なアラートが多い
よくある勘違い
- ❌ Precision が高い＝万能
→ ⭕ 見逃し（FN）が多い可能性がある - ❌ Precision は正解率
→ ⭕ 陽性予測の正確さ
まとめ（試験直前用）
- Precision = TP / (TP + FP)
- 誤検知をどれだけ抑えられているかを見る指標
- 「当たったと言ったものの信頼性」
- Recall と 必ずセットで考える
🔗 関連記事
🏠 G検トップに戻る