偽陽性・偽陰性の理解

問題

偽陽性に関する記述として正しいものを1つ選べ。

偽陽性（FP：False Positive）は、分類モデルの予測結果のうち「実際は『陰性（Negative）』であるのに、AIが誤って『陽性（Positive）』と予測してしまったケース」を指します。

「False（間違って）Positive（陽性と予測した）」と読み解くと覚えやすいです。

スパムフィルターにおいて「普通のメール（陰性）をスパム（陽性）と誤判定してゴミ箱に入れてしまう」といったケースに該当し、ビジネスにおいてはこのFPをどれだけ許容できるかがモデル導入の鍵になります。

1. 偽陽性は陰性を誤って陽性と予測したケース

正しい：実際は「陰性」であるデータを、モデルが誤って「陽性」と判定してしまったケース（False Positive）を指します。

2. 偽陽性は陽性を誤って陰性と予測したケース

誤り：「実際は陽性であるのに、誤って陰性と予測した」ケースは「偽陰性（False Negative）」です。病気の見逃しなどがこれに該当します。

3. 偽陽性は再現率の計算に使われる

誤り：再現率（Recall）は「実際に陽性であるデータ（TP+FN）のうち、どれだけ陽性と当てられたか（TP）」の割合であり、偽陽性（FP）は計算に使いません。

4. 偽陽性は適合率の計算に影響しない

誤り：適合率（Precision）は「陽性と予測したデータ（TP+FP）のうち、本当に陽性だった割合（TP）」の計算式であり、分母に偽陽性（FP）が含まれるため計算に大きく影響します。

← 前の問題次の問題 →

📚 より詳細を学びたい方へ