用語比較
感度と特異度の違い｜陽性を見つける力か、陰性を正しく除く力か（G検定・DS検定）
感度は、実際に陽性のものを、陽性と正しく判定できた割合です。特異度は、実際に陰性のものを、陰性と正しく判定できた割合です。
どちらも混同行列の数字から計算します。陽性側を見るのが感度、陰性側を見るのが特異度と覚えると、式の取り違えを防げます。感度は再現率と同じ式で、特異度は陰性側から見た再現率にあたります。
このページは、scikit-learn公式ドキュメントの定義をもとに、式・関連する指標・計算の手順で比べます。例の数字は、説明用の架空のデータです。
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。
結論
感度
実際に陽性のうち、陽性と判定できた割合。TP/(TP+FN)。真陽性率、再現率と同じ。
特異度
実際に陰性のうち、陰性と判定できた割合。TN/(TN+FP)。真陰性率ともいう。
見分け方
分母が実際の陽性なら感度、分母が実際の陰性なら特異度。
違いを表で確認
| 比較軸 | 感度 | 特異度 |
|---|---|---|
| 式 | 感度：TP/(TP+FN)。分母は実際に陽性のものすべて | 特異度：TN/(TN+FP)。分母は実際に陰性のものすべて |
| 別の呼び方 | 感度：真陽性率。scikit-learnの文書では、再現率(recall)の別名として示される | 特異度：真陰性率。陰性のクラスから見た再現率にあたる |
| 間違いの数え方 | 感度：見逃し(偽陰性、FN)が多いと下がる | 特異度：誤って陽性とした数(偽陽性、FP)が多いと下がる |
| 偽陽性率との関係 | 感度：偽陽性率とは別の軸。ROC曲線では縦軸(真陽性率)にあたる | 特異度：偽陽性率 fp/(fp+tn) と足すと1になる。偽陽性率は 1−特異度 |
| 組み合わせた指標 | 感度：特異度との算術平均が、2値の場合の均衡正解率(balanced accuracy)になる | 特異度：感度との算術平均が、2値の場合の均衡正解率(balanced accuracy)になる |
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
感度と再現率が別の指標だと思っている人
式は同じ TP/(TP+FN) です。scikit-learnの文書でも、再現率は感度や真陽性率とも呼ばれると示されています。分野によって呼び方が違うだけです。
特異度と適合率を取り違える人
適合率は、陽性と判定したもののうち正しい割合で、分母は判定した陽性です。特異度は、実際の陰性のうち正しく陰性とした割合で、分母は実際の陰性です。分母が違います。
ROC曲線の横軸が何か聞かれる人
ROC曲線の横軸は偽陽性率で、1−特異度に等しくなります。縦軸は真陽性率(感度)です。
具体例で使い分ける
例 1
混同行列から感度と特異度を計算する(架空のデータ)
100件のうち、実際に陽性が10件、陰性が90件。判定の結果は TP=8、FN=2、TN=81、FP=9 だった。
- 感度は TP/(TP+FN)=8/(8+2)=0.8 です。
- 特異度は TN/(TN+FP)=81/(81+9)=0.9 です。
- 偽陽性率は FP/(FP+TN)=9/(9+81)=0.1 で、1−0.9 と一致します。
結論: 感度0.8・特異度0.9です。実際の陽性側を見るか、実際の陰性側を見るかで、分母が変わります。数字は、説明用の架空の例です。
例 2
同じ例で、均衡正解率と適合率を比べる(架空のデータ)
上の例(TP=8、FN=2、TN=81、FP=9)で、正解率・均衡正解率・適合率を出したい。
- 正解率は (8+81)/100=0.89 です。
- 均衡正解率は、感度と特異度の算術平均なので (0.8+0.9)/2=0.85 です。
- 適合率は TP/(TP+FP)=8/(8+9) で、約0.47です。特異度が0.9でも、陽性と判定したものの半分以上が誤りです。
結論: 特異度が高くても、陽性の件数が少ないと適合率は低くなります。指標ごとに分母が違うことが、この差を生みます。数字は、説明用の架空の例です。
問題文から答えを選ぶ手順
- 1
混同行列の4つの数を確認する
TP・FN・TN・FPを、実際のクラスと判定のクラスの組み合わせから取り出します。
- 2
分母を決める
実際に陽性のもの全体(TP+FN)なら感度、実際に陰性のもの全体(TN+FP)なら特異度です。
- 3
関連する指標につなげる
感度は再現率、1−特異度は偽陽性率、感度と特異度の平均は均衡正解率です。
試験での見分け方
- 1実際の陽性のうち当てた割合が、感度。
- 2実際の陰性のうち当てた割合が、特異度。
- 3感度は再現率と同じ式。
- 4偽陽性率は、1−特異度。
誤答しやすい選択肢
特異度の分母を、陰性と判定した数にする
修正: 特異度の分母は、実際に陰性のもの(TN+FP)です。
感度と再現率は別の式だと考える
修正: 式は同じ TP/(TP+FN) です。呼び名が違うだけです。
偽陽性率と特異度を同じものだと考える
修正: 偽陽性率は FP/(FP+TN) で、特異度と足すと1になります。同じ値ではありません。
確認問題
Q1実際に陽性のもののうち、陽性と判定できた割合は？
答え: 感度(真陽性率、再現率)
式は TP/(TP+FN) です。
Q2実際に陰性のもののうち、陰性と判定できた割合は？
答え: 特異度(真陰性率)
式は TN/(TN+FP) です。
Q3特異度が0.9のとき、偽陽性率はいくつか？
答え: 0.1
偽陽性率は 1−特異度 です。
到達チェック
- 感度と特異度の式を、混同行列の4つの数で書ける
- 感度が再現率と同じ式だと言える
- 偽陽性率が1−特異度だと言える
関連ページで確認する
同じ資格で次に知りたいこと
- LoRAとフルファインチューニングの違い｜学習する重みと運用の差（AI・大規模言語モデル）
LoRAとフルファインチューニングの違いを、更新する重み・学習パラメータ数・メモリ・推論時の遅延・複数タスクの運用で整理。凍結した重みに低ランクの行列を足す仕組みと、確認問題つき。G検定などAI系の学習に使える。
- 状態価値関数と行動価値関数の違い｜状態だけの価値か、状態と行動の組の価値か（G検定）
強化学習の状態価値関数 v(s) と行動価値関数 q(s,a) の違いを、定義、引数、Q学習との関係、最適行動の選びやすさで整理。G検定の判断手順と確認問題つき。
- コンテンツベースフィルタリングと協調フィルタリングの違い｜推薦の2つの考え方（AI・レコメンド）
コンテンツベースフィルタリングと協調フィルタリングの違いを、類似度の取り方・必要なデータ・長所と短所(コールドスタートなど)で整理。他のユーザーのデータが要るかから判定する例と確認問題つき。G検定などAI系の学習に使える。
よくある質問
Q感度と特異度は、どちらも高いほうがよい？
どちらも高いほど、陽性も陰性も正しく判定できていることになります。判定のしきい値を動かすと、一方が上がると他方が下がることがあります。
Q感度と再現率は同じ？
式は同じで、TP/(TP+FN)です。分野によって呼び方が違います。
Q均衡正解率とは？
2値の場合、感度と特異度の算術平均です。クラスの件数に偏りがあるときの評価に使われます。
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）