解説

不均衡なデータセット（正例が1%）では全体的な正解率（Accuracy）が誤解を招く指標になります。常に陰性と予測するだけで99%の精度を達成できますが、陽性を1件も検出できていません。PR AUCは適合率（Precision）と再現率（Recall）のトレードオフを評価し、少数クラスの検出性能を適切に測定できるため、不均衡データの二値分類評価に最適です。 選択肢AのAccuracyは全サンプルに対する正解率であり、多数派クラス（陰性99%）に引きずられた高い値が出やすく、少数クラスの検出性能を正確に反映しません。 選択肢BのPR AUCは適合率と再現率の曲線下面積であり、クラス不均衡があっても陽性クラスの検出性能を直接評価できます。不均衡データの二値分類において最も信頼性の高い評価指標です。 選択肢Cの平均二乗誤差（MSE）は回帰問題における予測値と実測値の差の二乗平均を求める指標であり、二値分類問題の評価指標としては使用しません。 選択肢Dの決定係数（R²）は回帰モデルのフィット度合いを示す指標であり、分類問題の評価には適用できません。