---
title: "Precision（適合率）"
description: "Precision（適合率）は、陽性と予測したデータのうち実際に陽性だった割合で、TP÷（TP＋FP）で求めます。誤検知を減らしたいアラート、スパム、不正検知で重視される理由を確認し、見逃しに注目するRecallや全予測を見るAccuracyと、分母および重視する誤りの違いで判別します。"
last_modified_at: "2026-07-14"
canonical_url: "https://stemtazoo.github.io/gk/precision/"
section: "gk"
---

## 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（再現率）](https://stemtazoo.github.io/gk/recall/)が低い場合があります**。

---

## Accuracyとの違い
- [Accuracy（正解率）](https://stemtazoo.github.io/gk/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](https://stemtazoo.github.io/gk/recall/) と **必ずセットで考える**

次に読むなら、見逃しを見る[Recall](https://stemtazoo.github.io/gk/recall/)と、両者のバランスを見る[F1-score](https://stemtazoo.github.io/gk/f1-score/)がおすすめです。