正解率・適合率・再現率・F値とは

正解率・適合率・再現率・F値は、分類モデルの予測がどれだけ良いかを数値で表す指標です。どれも混同行列の4つの件数から計算します。陽性は見つけたいほうのクラス（たとえば不良品）です。TP・FP・FN・TNは、それぞれ真陽性・偽陽性（誤検知）・偽陰性（見逃し）・真陰性の件数です。

4つの式

• 正解率 = (TP + TN) / (TP + FP + FN + TN)：全データのうち、予測が当たった割合
• 適合率 = TP / (TP + FP)：陽性と予測したもののうち、実際に陽性だった割合
• 再現率 = TP / (TP + FN)：実際の陽性のうち、陽性と予測できた割合
• F値 = 2 × 適合率 × 再現率 / (適合率 + 再現率)：適合率と再現率の調和平均

正解率だけでは足りない理由

1,000件のうち不良品が10件しかないデータで、すべてを良品と予測するモデルを考えます。正解率は99%ですが、不良品は1件も見つけていないので、再現率は0です。陽性と陰性の件数に大きな差がある不均衡なデータでは、正解率だけで判断すると見誤ります。

適合率と再現率の使い分け

適合率は「陽性と言ったときにどれだけ外さないか」、再現率は「実際の陽性をどれだけ取りこぼさないか」を表します。陽性と判定する基準（閾値）を厳しくすると、適合率は上がりやすく、再現率は下がりやすくなります。両者はトレードオフの関係にあります。

病気の検査のように見逃しが重大な場面では、再現率を重視します。迷惑メールの判定のように、普通のメールを誤って隔離すると困る場面では、適合率を重視します。どちらも同じくらい大事なときはF値を使います。調和平均なので、片方だけが高くてもF値は高くなりません。

日本語の「精度」は、正解率と適合率のどちらを指す場合もあるので、文脈で確かめます。再現率は、感度や真陽性率とも呼ばれます。

覚え方

「適合率は予測した側から、再現率は実際の側から見た当たりの割合」と覚えます。