機械学習の「適合率（Precision）」と「再現率（Recall）」のトレードオフ解説

機械学習の「適合率（Precision）」と「再現率（Recall）」のトレードオフ解説とは

機械学習の「適合率（Precision）」と「再現率（Recall）」のトレードオフ解説とは、二値分類モデルの性能評価指標である適合率と再現率が、互いに排他的な関係にあり、一方を最適化しようとするともう一方が犠牲になる現象を指します。適合率（Precision）は、モデルが陽性と予測したもののうち、実際に陽性であった割合を示し、誤検知（偽陽性）を減らしたい場合に重視されます。一方、再現率（Recall）は、実際に陽性であるもののうち、モデルが陽性と予測できた割合を示し、見逃し（偽陰性）を減らしたい場合に重視されます。このトレードオフは、モデルの識別閾値（Positiveと判断する境界）を調整することで生じ、閾値を厳しくすれば適合率は上がりますが再現率は下がり、閾値を緩くすれば再現率は上がりますが適合率は下がります。親トピックである「精度指標」の中で、このトレードオフを理解することは、AIモデルが解決すべき課題に応じて適切な評価基準を選択し、最適化するために不可欠な概念です。

このキーワードが属するテーマ