AIFAIとMLの基礎
二項分類モデルの評価において、適合率（Precision）を最も適切に説明しているものはどれですか。
A陽性と予測したデータのうち、実際に陽性だった割合
✓ 正解
適合率は陽性と予測した中で本当に陽性だった割合です。誤検知を抑えたい医療診断やスパム判定などで重要となる評価指標です。
B実際の陽性データのうち、陽性と予測できた割合
これは再現率の説明です。実際の陽性をどれだけ漏らさず検出できたかを評価する指標であり、適合率とは異なります。
C全予測のうち、正しく予測できた割合
これは正解率の説明です。データ全体の予測精度を表しますが、クラスの偏りがある場合には適切な評価にならないことがあります。
D分類しきい値を変更した際の性能全体を表す面積
これはROC-AUCの考え方に対応します。分類しきい値全体での識別性能を評価するものであり、適合率そのものではありません。
解説
適合率（Precision）は、モデルが陽性と判定したデータのうち、実際に陽性であった割合を示します。偽陽性を減らしたい場合に特に重要な評価指標です。一方、再現率（Recall）は実際の陽性をどれだけ見つけられたかを示し、正解率は全体の正答率、ROC-AUCは分類しきい値を変化させた際の性能全体を評価する指標です。AIF試験では、分類問題の代表的な評価指標の意味を正しく区別できることが求められます。
ドメイン別正答率・予想スコアでリアルタイムに実力把握
無限ノックでAIFを徹底対策。全問AI生成のオリジナル問題。
無料で演習を始める →