適合率とは？

「正しいと言った」のが、本当に正解だったか

あなたが無言のAIに「これは猫」と言われ、その画像を見返したとします。AIが「猫だ」と判断した10枚のうち、実際に猫だったのが7枚だったとしましょう。この「AIが『猫だ』と言った10匹のうち、本当に猫だったのは7匹」という感覚が、適合率（precision）の核です。

つまり、適合率は「AIが『ある（陽性）』と判定した中で、本当に『ある（陽性）』だった割合」を示す指標です。

適合率が低いと、AIは「ありそうにないもの」まで「あり！」と挙手してしまう性質です。あなたの日常で、この感覚を思い描ける場面は多いはずです。

この「挙手が多すぎると、本当に必要だった情報までノイズと一緒に埋もれてしまう」という”逆のパターン”が、適合率の文脈で最も重要になります。

適合率と頻出する対となるのが、召回率（recall・再現率）です。召回率は「本当に”ある”ものの中で、AIが拾えた割合」で、両者は必ずしも両立しません。

この”性格の使い分け”は、AIを運用する側が最初に決める「何を失いたくないか」の問いに直結します。

適合率はG検定・データサイエンティスト検定いずれでも、混同行列と組み合わせて出題される頻度の高い指標です。

「適合率＝陽性予測値÷陽性正解値」「召回率＝陽性正解値÷実陽性数」という”分母の違い”が問われるパターンが目立ちます。確認方法は、ホワイトボードに2×2の表を書き、左上の”陽性正解”から始まる2つの指標を、自分の言葉で30秒で言えるか試すことです。

📚 さらに理解を深めたい方には、G検定の公式テキストがお薦めです！

リンク

適合率は「AIが”あり”と言った中で、本当に”あり”だった割合」です。召回率と対に使い分け、”何を失いたくないか”の観点で指標を選ぶのが基本になります。

※ここからは検証コンテンツです。
画像内の説明には誤りが含まれる可能性があるため、本文の解説とは分けています。

適合率を「選別するロボット」の比喩で直感的に捉えています。映えるアークードの色彩が特徴ですが、背景に数字が描かれ文字禁止の指示が守られていない点が改善点です。