混同行列とは？

「正解した数」だけじゃ、安心できない理由

混同行列（confusion matrix）は、判定結果を「当たった／外れた」とだけ集計せずに、正解も誤答も細かく区切って並べた表です。たとえば病気の判定では、「陽性と言ったけど実は陰性」「陰性と言ったけど実は陽性」は別の種類のミスになります。

つまり、混同行列は「正答率」という1つの数字だけで語れない、モデルの誤答パターンを内訳で見るための表です。

あなたの頭の中で起きているのは、ここ

実際にAIの判定を見る場面に触れると、混同行列が役に立つ場面がわかります。読者が「え、これどこで出くわすの？」と想像しやすい例を3つ挙げます。

• 不正行為検知AI：「悪意ある投稿」と判定した投稿の中、実際は無害だった投稿の量を見る
• 請求書検読AI：「支払い不要」と分類した請求書の中、実は支払い必要なものがあった量を見る
• メール迷惑メールフィルタ：迷惑メールに見做して捨てたメールの中、大事な通知を誤った量を見る

この「誤りの種類」を自分の言葉で説明できるかどうかが、理解の段数を大きく変えます。

「精度」だけ見て安心していませんか

初心者が最もつまずきやすいのは、混同行列を「精度（accuracy）の別名」と思い込むこと、そして正解率が高いほど良いと思い込むことです。2つの誤解を整理します。

• 正解数が多ければ良い、と思っているが実は、誤りの“種類”と“影響”を見ない評価は危険
• FP（偽陽性）とFN（偽陰性）が同じ誤り、と思っているが実は、誤りの重みは場面次第で大きく変わる

この違いが「評価指標選び」の中心にあると、混同行列が一気に見えてきます。

試験では、どの切り口で問われるか

G検定とデータサイエンティスト検定では、混同行列が「分類モデルの評価」の出題範囲として登場しやすいです。ITパスポートでは、モデルの評価というより情報系全般の“精度・誤答の区別”という文脈で問われることが多く、このテーマの出題頻度は比較的低いです。

「自分の言葉で説明できるか」の確認方法としては、混同行列の4マス（TP/TN/FP/FN）をそれぞれ1文ずつ、誤りの結果として説明できます。これが言えれば、試験で混同行列が出たときに自信を持って答えられます。

まとめ

混同行列は、正解率という1つの数字だけでは見えない誤答の内訳を可視化する表です。AIの判定に「正解」「誤り」だけでなく「誤りの種類と重み」を加えて評価する習慣を持てば、評価の見え方が変わります。

• 今週できる5分のアクション：手元で1つだけ、混同行列を「4マス」に分割して、各マスを「当たった・外れた」ではなく「結果の重み」で書き換える練習をする
• 試験で出たときの3語の要点：内訳、誤りの種類、評価の軸

混同行列の「4つの結果の内訳」が、ロボットが1つのスロットに トークンを置く姿で分かりやすく伝わるのが良いです。ただし、 残りの3種類と「どの誤答か」の区別が弱い点が残念でした。

評価項目	点数	コメント
概念の正確さ	3	4分類は見えるが誤答種の対比が弱いです
比喩の明快さ	4	「1つ選ぶ瞬間」が分かりやすく映ります
立体感・奥行き	5	影と奥行きでテーブルが立体的に見えます
映え度（SNS寄与）	3	清潔感はあるが「停めたい」衝撃がやや不足です
色調の用語相性	4	青×金の対比で評価感を落ち着いて表現できます
合計	19 / 25	総合判定: 良好

評価基準: 1（不合格）〜5（優秀）AI Judge による自動評価