分野 ：テクノロジ系
中分類：基礎理論
小分類：情報に関する理論

与えられたデータを「はい・いいえ」「陽性・陰性」などの2つのクラスに分類する機械学習モデルにおける判定結果は、AIが予測したクラスと実際のクラス分類の関係から、真陽性、偽陽性、真陰性、偽陰性の4つに分けることができます。

• 真陽性："正しい"データを、"正しい"と予測した
• 偽陽性："間違い"データを、"正しい"と予測した（第1種の誤り）
• 偽陰性："正しい"データを、"間違い"と予測した（第2種の誤り）
• 真陰性："間違い"データを、"間違い"と予測した

さらに、この4つの値を使って2値分類モデルの精度を示す指標として、正解率、再現率(真陽性率)、適合率、特異度などがあります。

正解率

実際のクラスと同じクラスを予測した割合：TP＋TNTP＋FN＋FP＋TN

適合率

陽性と予測したものうち実際に陽性だった割合：TPTP＋FP

真陽性率（再現率、感度）

実際に陽性のものを正しく陽性と予測した割合：TPTP＋FN

特異度

実際に陰性のものを正しく陰性と予測した割合：TNFP＋TN

偽陽性率

実際に陰性のものを誤って陽性と予測した割合：FPFP＋TN

• 偽陰性率の説明です。実際には病気の人が、検査で"異常なし"と判定されてしまう割合がこれに当たります。
• 正しい。偽陽性率の説明です。実際には"異常なし"の人が、検査で病気と判定されてしまう割合がこれに当たります。
• 特異度の説明です。
• 誤分類率（1－正解率）の説明です。