再現率の計算
問題
以下の混同行列(Confusion Matrix)の結果が得られた。この時の再現率(Recall)として適切なものを1つ選べ。
実際:正 / 実際:負
予測:正 真陽性(TP):30 / 偽陽性(FP):10
予測:負 偽陰性(FN):20 / 真陰性(TN):40
解説
再現率(Recall)は「実際に陽性だったデータ(TP+FN)のうち、正しく陽性と予測できた(TP)割合」を指す評価指標です。
計算式は TP / (TP + FN) であり、本問では 30 / (30 + 20) = 0.6 となります。
AI開発において、再現率は「病気の診断」や「不良品検知」など、見逃し(偽陰性)を極力防ぎたいケースで特に重視される重要な指標です。
正しい:再現率は TP / (TP + FN) で計算されるため、30 / (30 + 20) = 0.6 となります。
誤り:0.75は適合率(Precision)の値です。適合率は「陽性と予測したうち、実際に陽性だった割合」であり、TP / (TP + FP) = 30 / 40 = 0.75 となります。
誤り:0.7は正解率(Accuracy)の値です。正解率は「全体のうち、正しく予測できた割合」であり、(TP + TN) / 全体 = 70 / 100 = 0.7 となります。
誤り:0.8は特異度(Specificity)の値です。特異度は「実際に陰性だったデータのうち、正しく陰性と予測できた割合」であり、TN / (FP + TN) = 40 / 50 = 0.8 となります。
📚 より詳細を学びたい方へ
同じカテゴリの問題
- 教師あり学習の基本要件
- 回帰問題の理解
- 分類問題の特徴
- 決定木モデルの性質
- サポートベクターマシン(SVM)の理解
- カーネルとカーネルトリック
- 重回帰分析の理解
- 勾配ブースティングの特徴
- 多クラス分類の理解
- 教師あり学習のビジネス応用
- アンサンブル学習の基本概念
- バギングの特徴
- ブートストラップサンプリングの理解
- ランダムフォレストの性質
- ブースティングの理解
- ランダムフォレストの特徴
- 自己回帰モデル(AR)の理解
- VARモデルの特徴
- マージン最大化の理解
- ロジスティック回帰の理解
- 教師なし学習の基本概念
- k-means法の理解
- t-SNEの特徴
- ウォード法の理解
- 協調フィルタリングの理解
- クラスタリングの特徴
- 次元削減の理解
- 主成分分析(PCA)の理解
- 潜在的ディリクレ配分法(LDA)の理解
- 多次元尺度構成法(MDS)の理解
- デンドログラムの理解
- 特異値分解(SVD)の理解
- コンテンツベースフィルタリングの理解
- クラスタ分類の理解
- 強化学習の基本概念
- 方策(Policy)の理解
- 価値関数の理解
- 行動価値関数Q(s,a)の理解
- 状態価値関数V(s)の理解
- TD誤差の理解
- Actor-Criticの理解
- Q学習の特徴
- ε-greedy方策の理解
- UCB方策の理解
- バンディット問題の理解
- 方策勾配法の理解
- REINFORCEの特徴
- マルコフ決定過程(MDP)の理解
- マルコフ性の理解
- 期待割引報酬の理解
- 割引率γの理解
- 汎化性能の理解
- 訓練誤差と汎化誤差
- ホールドアウト検証の理解
- 交差検証の特徴
- k-分割交差検証の理解
- 混同行列の理解
- 偽陽性・偽陰性の理解
- 正解率の計算
- 適合率の計算
- 再現率の計算
- F値の理解
- 回帰指標MSEの理解
- RMSEの理解
- MAEの理解
- ROC曲線の理解
- AICの理解
- BICとオッカムの剃刀


