スパムフィルター（迷惑メールフィルタ）
解説
スパムフィルターとは、受信したメールが「正常なメール（ハム）」か「迷惑メール（スパム）」かを自動的に判別するシステムです。機械学習における「教師あり学習（2値分類）」の最も代表的な応用例として知られています。
ナイーブベイズ分類器の活用
スパムフィルターの歴史において、最も有名なアルゴリズムが「ナイーブベイズ（単純ベイズ）分類器」です。
これは、「『無料』『当選』『クリック』といった単語が含まれている場合、そのメールがスパムである確率は〇〇%である」という確率論（ベイズの定理）に基づき、単語の出現頻度から判定を行う手法です。
「重要なメール」を捨ててはいけない（偽陽性の回避）
スパムフィルターで最も避けなければならないのは、「重要な仕事のメールをスパム判定して捨ててしまうこと（False Positive：偽陽性）」です。
そのため、多少のスパムを見逃したとしても、正常なメールを間違えないように設計する必要があります。このバランス調整は、G検定の「評価指標（混同行列）」の分野でもよく問われます。
G検定対策
出題ポイント
- アルゴリズム：「ナイーブベイズ（単純ベイズ）」が使われる代表例。
- 学習タイプ：正解データ（スパムか否か）を与える「教師あり学習（分類）」。
- 評価指標：「偽陽性（False Positive）」を最小限にするために、「適合率（Precision）」を重視するケースとして出題されやすい。
よくあるひっかけ問題
- × スパムフィルターは、教師なし学習のクラスタリングを用いている
（解説）「これはスパム、これは通常」というラベル付きデータで学習するため、「教師あり学習」です。 - × スパム検知では、適合率よりも再現率（Recall）を最大化すべきである
（解説）逆です。再現率を上げると「怪しいものは全部スパムにする」ことになり、重要なメールまで誤判定（偽陽性）してしまいます。したがって、適合率（スパムだと判定したものが本当にスパムである確率）が重要視されます。
