用語比較
適合率と再現率の違い
適合率は、陽性と予測したもののうち実際に陽性だった割合です。再現率は、実際の陽性をどれだけ拾えたかを見る割合です。
G検定では、誤検知を減らしたいのか、見逃しを減らしたいのかを問題文から読むことが重要です。不均衡データでは正解率だけでは不十分な場合があります。
このページは、定義は見たことがあっても、混同行列のどこを分母にするか迷う人を対象にしています。業務の例から受ける印象で選ばず、「陽性と予測したものがどれだけ当たっていたか」を問われているのか、「本当に陽性のものをどれだけ拾えたか」を問われているのかを先に決めると、適合率と再現率を見分けやすくなります。
この記事の根拠と出典
各セクションの見出しの下に、公式資料で確認した内容か編集部の整理かをラベルで示しています。 試験日・料金・申込条件・試験方式は変わることがあるため、申込前に公式サイトで確認してください。G検定の一次情報確認日: 2026-10-02。
- 公式一次資料と照合した内容
- 適合率と再現率の定義は公式範囲と照合しています。
- 編集部が学習用に整理した内容
- 誤検知と見逃しのどちらを重く扱うかで指標を選ぶ手順は編集部の学習上の整理です。
資格ごとの公式資料の一覧
結論
公式一次資料と照合：用語の定義は公式一次資料と照合しています。
適合率
陽性と予測した中で、本当に陽性だった割合。誤検知を気にする。
再現率
実際の陽性のうち、陽性として拾えた割合。見逃しを気にする。
違いを表で確認
| 比較軸 | 適合率 | 再現率 |
|---|---|---|
| 重視する失敗 | 誤検知 | 見逃し |
| 向く場面 | 陽性判定の信頼性を高めたい | 陽性を漏らしたくない |
| 関連指標 | Precision | Recall、F値 |
| 分母 | 陽性と予測した件数 | 実際に陽性だった件数 |
| 混同行列で増えると下がる誤り | 偽陽性 | 偽陰性 |
公式一次資料と照合：G検定: 2026-10-02に一次資料で確認一次資料の一覧を見る →
G検定の学習に使う書籍（Amazon）
試験範囲を通して読むときの1冊です。読んだ章は、このサイトの章別問題で確かめられます。
どこで迷っているかを切り分ける
分母を毎回取り違える初学者
適合率は「モデルが陽性と言った集合」、再現率は「本当に陽性だった集合」から始めます。名前だけで覚えず、真陽性（陽性と予測して実際も陽性だったもの）を、どちらの集合の中で数えるのかを混同行列で確かめてください。予測を起点にすれば適合率、実際を起点にすれば再現率です。
正解率だけでモデルを選んでしまう人
陽性と陰性の件数に偏りがあると、全体の正解率が高くても、必要な陽性を拾えていない場合があります。問題文が誤検知や見逃しを明示しているなら、全体の正解数ではなく、適合率・再現率のどちらが目的に対応するかを確認します。
F値まで一緒に覚えたい再受験者
F値は適合率と再現率の調和平均で、両者のバランスを一つの値で見る指標です。ただし、F値を選べば目的の違いが消えるわけではありません。誤検知と見逃しのどちらが重いかが明確なら、元の適合率・再現率も個別に読みます。
具体例で使い分ける
編集部の整理
例 1
陽性と判定した結果の信頼性を上げたい
モデルが陽性と判定した対象を、人が追加確認する場面を考えます。誤検知が多いと、確認対象の多くが実際には陰性になります。
- 関心がある集合は、モデルが陽性と予測した対象です。
- その集合に偽陽性が増えると、陽性判定をどれだけ信頼できるかが下がります。
- したがって、真陽性を予測陽性全体で見る適合率が、問題文の目的に直接対応します。
結論: 誤検知を減らし、陽性判定の確からしさを上げたいなら適合率を重視します。
例 2
実際の陽性をできるだけ見逃したくない
実際に陽性である対象を、モデルが陰性と判断して取りこぼすことを減らしたい場面です。
- 関心がある集合は、実際に陽性だった対象です。
- その集合に偽陰性が増えると、拾うべき陽性を見逃した割合が大きくなります。
- したがって、真陽性を実陽性全体で見る再現率が、問題文の目的に直接対応します。
結論: 見逃しを減らし、実陽性を広く拾いたいなら再現率を重視します。
例 3
しきい値を変えた後に評価し直す
分類モデルの陽性・陰性を分けるしきい値を変更すると、真陽性だけでなく偽陽性と偽陰性の件数も変わります。
- 陽性判定を増やせば実陽性を拾いやすくなる一方、陰性を陽性とする誤検知も増える場合があります。
- 適合率と再現率は別々に動く可能性があるため、一方が上がったことだけでモデル全体が改善したと断定しません。
- 問題文の目的、混同行列、必要ならF値やROC曲線などの関連指標へ戻って判断します。
結論: 指標を一つだけ最大化するのではなく、目的と誤りの種類に合わせて評価します。
問題文から答えを選ぶ手順
編集部の整理：誤検知と見逃しのどちらを重く扱うかで指標を選ぶ手順は編集部の学習上の整理です。
- 1
陽性クラスを確認する
何を陽性としているかを読みます。陽性の意味が曖昧なままだと、誤検知と見逃しのどちらを重く見るか決められません。
- 2
問題文の損失語を拾う
「誤検知」「不要な陽性判定」「陽性判定の信頼性」とあれば適合率を疑います。「見逃し」「取りこぼし」「実際の陽性を広く拾う」とあれば再現率を疑います。
- 3
分母を日本語で置く
予測陽性の中で正しかった割合なら適合率、実陽性の中で拾えた割合なら再現率です。式を思い出す前に、分母となる集合を書きます。
- 4
他の評価指標を切り分ける
全体の正解割合は正解率、適合率と再現率の調和平均はF値、予測と実際の組み合わせを整理する表は混同行列です。設問が求める出力の形で区別します。
試験での見分け方
編集部の整理
- 1誤検知を減らしたいなら適合率を重視する。
- 2見逃しを減らしたいなら再現率を重視する。
- 3両方のバランスを見るならF値を使う。
- 4予測陽性を分母にするなら適合率、実陽性を分母にするなら再現率。
- 5混同行列は指標そのものではなく、指標を求めるもとになる表。
誤答しやすい選択肢
正解率だけで分類器を評価する
修正: 陽性が少ない不均衡データでは適合率・再現率も確認します。
適合率と再現率の分母を混同する
修正: 適合率は予測陽性の中、再現率は実陽性の中、と分母で覚えます。
適合率は常に再現率より重要だと考える
修正: 重要度は目的で変わります。誤検知を避けたいのか、見逃しを避けたいのかを問題文から決めます。
F値が高ければ誤りの種類を見なくてよいと考える
修正: F値は両者のバランスを見る指標です。誤検知と見逃しのどちらが業務上重いかは、適合率・再現率へ戻って確認します。
確認問題
Q1陽性と予測した対象のうち、本当に陽性だった割合を問う指標は？
答え: 適合率
分母が予測陽性です。偽陽性が増えると、陽性と予測した集合の中に誤りが増えるため適合率が下がります。
Q2実際に陽性だった対象を、どれだけ陽性として拾えたかを問う指標は？
答え: 再現率
分母が実陽性です。偽陰性が増えると、本来拾うべき陽性を取りこぼすため再現率が下がります。
Q3適合率と再現率の調和平均を表す指標は？
答え: F値
F値は二つの指標のバランスを一つの値で見ます。予測と実際の内訳を表にしたものは混同行列なので区別します。
到達チェック
- 適合率と再現率の分母を日本語で説明できる
- 偽陽性が適合率、偽陰性が再現率に関係する理由を言える
- 誤検知と見逃しのどちらを減らす設問か判断できる
- 正解率、F値、混同行列を適合率・再現率と区別できる
- しきい値変更後に一つの指標だけで改善を断定しない
誤検知と見逃しの費用を一文で残す
指標名だけを選ばず、陽性と判定した対象へ何が起きるか、見逃した対象へ何が起きるかを一文ずつ書きます。誤検知の確認コストを抑えるなら適合率、見逃しを減らすなら再現率を重く見る、という判断を残したうえで、もう一方の指標が許容範囲かも確認します。
関連ページで確認する
同じ資格で次に知りたいこと
- 線形回帰とロジスティック回帰の違い
線形回帰とロジスティック回帰の違いを、予測する対象、出力の形、分類へのしきい値、G検定での判断手順と確認問題まで解説します。
- RNNとTransformerの違い
RNNとTransformerの違いを、計算の進め方、並列化、語順の扱い、原論文の数値、G検定での判断手順と確認問題まで解説します。
- エッジAIとクラウドAIの違い（処理する場所・遅延・プライバシー・電力）
エッジAIとクラウドAIの違いを、AIを動かす場所、応答の遅れ、データの送信、電力と専用半導体（NPU）、モデルの大きさから比較表で整理します。G検定の用語集・演習で見分けるための判断手順も示します。
よくある質問
Q適合率と再現率はどちらが大事？
目的次第です。誤検知を避けたいなら適合率、見逃しを避けたいなら再現率を重視します。
QF値は何を見る指標？
適合率と再現率のバランスを見る指標です。どちらか一方だけでは判断しにくい時に使います。
Q適合率と再現率を式なしで見分けるには？
陽性と予測した結果の信頼性を問うなら適合率、実際の陽性を拾う力を問うなら再現率と、分母になる集合で見分けます。
Q正解率が高ければ適合率と再現率は不要？
不要とは限りません。問題文が陽性クラスの誤検知や見逃しを重視している場合は、全体の正解率だけでなく適合率と再現率を確認します。
Q分類のしきい値を変えると何を確認する？
陽性判定の件数が変わると、偽陽性と偽陰性も変化し得ます。変更前後の混同行列を確認し、目的に対応する適合率・再現率と、必要に応じてF値やROC曲線を読みます。
次に見る比較
- G検定・DS検定・統計検定2級で重なる用語10語の比較
同じ名前の用語の定義と収録章を、資格ごとに並べます。
- ベイズの定理と条件付き確率の違い（統計検定2級の式と計算例）
求める確率の向きの違いと、陽性になる確率の計算例を確かめます。
- 紛らわしい用語ペア早見表
混同しやすい用語の違いと判定の手掛かりを、資格別の一覧で確かめます。
執筆: ミナト編集部（運営者情報を見る）