適合率と再現率の違い

適合率と再現率は、どちらも混同行列の件数から計算する分類モデルの評価指標です。陽性は、見つけたいほうのクラスを指します。TPは真陽性、FPは偽陽性（誤検知）、FNは偽陰性（見逃し）の件数です。

適合率

適合率は、「陽性と言ったときに、どれだけ当たっていたか」を表します。迷惑メールの判定で、迷惑メールと判定した100通のうち90通が本当に迷惑メールなら、適合率は0.9です。普通のメールを迷惑メールに振り分けると、大事な連絡を見落とすおそれがあります。こうした誤検知の害が大きい場面で重視します。

再現率

再現率は、「本当の陽性を、どれだけ取りこぼさずに見つけたか」を表します。病気の検査で、実際の患者50人のうち45人を陽性と判定できたら、再現率は0.9です。見逃した5人は、治療を始めるのが遅れるおそれがあります。見逃しの害が大きい場面で重視します。

2つの関係

陽性と判定する基準（閾値）を厳しくすると、自信のあるものだけを陽性と判定するので、適合率は上がりやすくなります。その代わり、判定から漏れる陽性が増えて、再現率は下がりやすくなります。基準をゆるめると、逆の動きになります。

このトレードオフがあるため、片方だけでモデルを評価すると判断を誤ります。両方のバランスを1つの数値で見たいときは、2つの調和平均であるF値を使います。陰性も含めた全体の当たり具合を表す正解率は、陽性が少ない不均衡なデータでは高く出やすいので、適合率・再現率と合わせて読みます。