【G検定・ITパス】特異度（Specificity）とは？感度との違いとROC曲線の横軸を図解で完全理解！

「感度（Recall）は学んだ。でも特異度って何が違うの？」
「ROC曲線の横軸（偽陽性率）との関係がわからない…」
「感度と特異度、どっちを重視すればいいの？

AI・機械学習の学習中、感度と特異度の違いで混乱していませんか？

この記事では、G検定・ITパスポート・DS検定で頻出の「特異度（Specificity）」の仕組みを、【直感編】【理論編】の図解を使って、誰よりも分かりやすく解説します！

まずは数式なしでイメージを掴みましょう。

【特異度が低い（空振りだらけ）】
健康な人を「病気かも？」と誤診してしまいます。不要な不安を与え、医療のムダも増えてしまいます。

【特異度が高い（誤診ゼロ）】
健康な人を一発で「健康」と見抜けます。確診断や正常メールを守る「スパムフィルタ」などで必須の指標です。

💡 【試験対策ワンポイント】 特異度は「健康な人をどれだけ正しく健康と見抜けたか」の割合です。感度が「病気の人を見逃さない力」なら、特異度は「健康な人を誤診しない力」です！

次に、理論の面から「特異度の計算方法とROC曲線との関係」を深掘りします。

特異度の計算式はシンプルです。

特異度＝正しく陰性と判定できた数（TN）÷ 実際の陰性全員（TN＋FP）

例えば健康な人が10人いて、8人を正しく「健康」と判定できたなら特異度は80%です。

ROC曲線の横軸との関係が重要です。

ROC曲線の横軸（偽陽性率）＝ 1 − 特異度

特異度が高い（空振りが少ない）ほど偽陽性率が低くなり、ROC曲線のグラフが左上に膨らみます。

💡 【試験対策ワンポイント】 「ROC曲線の横軸＝1−特異度」はそのまま試験に出ます！偽陽性率と特異度がセットで問われることが多いので必ずセットで覚えましょう。

感度と特異度はシーソーの関係にあります。

感度を重視すべき場面
見落としが命取りになる場面（がん検診・詐欺検知）では感度を最優先します。

特異度を重視すべき場面
誤検知が困る場面（スパムフィルタ・確定診断）では特異度を最優先します。

💡 【試験対策ワンポイント】 「全員健康と答えれば特異度100%だが感度0%になる」このトレードオフの例はそのまま試験に出ます！バランスが重要という点を押さえておきましょう。

5大IT資格のシラバスを肌で知る合格者の視点から、試験で狙われるポイントを整理しておきましょう。

特異度は、**「健康な人（真の陰性）を正しく陰性と見抜く力」**であり、ROC曲線の横軸（偽陽性率）と表裏一体の指標です。

感度が「見落としを防ぐ力」なら、特異度は「空振りを防ぐ力」。この2つをセットで理解することで、ROC曲線の読み方も完璧に理解できます。

次回は、感度と特異度のバランスを一枚のグラフで可視化する**「ROC曲線・PR曲線の使い分け」**について解説します！ぜひまたチェックしてください。

コメント