DS検定 用語解説
特異度とは
実際に陰性のもののうち、陰性と正しく判定できた割合。Recall（実際に陽性のもののうち陽性を検出できた割合）とは、見る対象が陰性か陽性かで逆の指標である。
特異度の意味と見分け方
特異度は、DS検定の「第5章 データ準備・可視化技法とモデル化」に出てくる用語です。定義だけでなく、どの場面で使う言葉か、何と混同しやすいか、問題文のどの表現で判断するかまで確認します。
情報源と編集区分
公式範囲を確認し、具体例・誤答例・判断手順は当サイトが編集。
試験概要（公式）試験での問われ方
定義の言い換え
用語そのものではなく、説明文の一部を言い換えて出されることがあります。
似た概念との比較
同じ章の用語と入れ替えた選択肢に注意します。対象、目的、使う場面を分けます。
具体例からの判断
問題文の事例が、定義のどの部分に対応しているかを先に確認します。
誤答しやすいポイント
「第5章 データ準備・可視化技法とモデル化」の問題で、取り違えやすい組み合わせです。
- 標本誤差とサンプリングバイアスの混同。標本誤差は標本抽出に伴う偶然のばらつき、サンプリングバイアスは抽出方法の偏りによる系統的な誤差。
- 過学習を『精度が高いこと』と誤解する。訓練データに過剰適合し未知データへの汎化性能が下がる問題として理解する必要がある。
- Precision（適合率）とRecall（再現率）の取り違え。目的（見逃しを減らしたいか、誤検知を減らしたいか）によって重視する指標が変わる。
関連する確認問題
第5章 データ準備・可視化技法とモデル化 / モデル化・評価
疾病スクリーニングで、実際の患者を見逃さず陽性と判定できた割合を確認したい。使う指標はどれか。
実際の患者を見逃さず陽性と判定できた割合を見たいので、分母は実際に陽性のデータになる。正解は「Recall（再現率）」である。Recallは、実際に陽性であるデータのうち、モデルが正しく陽性と判定できた割合を表す。「Precision（適合率）」は陽性と判定したもののうち実際に陽性だった割合で、分母が異なる。「特異度」は実際に陰性のデータを正しく陰性と判定できた割合で、陰性側を見る。「Accuracy（正解率）」は全体のうち正しく判定できた割合で、見逃しだけを取り出せない。したがって、患者の見逃しの少なさを確認する指標はRecallである。
第5章 データ準備・可視化技法とモデル化 / モデル化・評価
実際に陰性の人を、正しく陰性と判定できた割合を評価したい。使う指標はどれか。
実際に陰性の人を正しく陰性と判定できた割合を見るので、分母は実際に陰性のデータになる。正解は「特異度」である。特異度は、実際に陰性であるデータのうち、正しく陰性と判定できた割合を表す。「Recall（再現率）」は実際に陽性のデータを正しく陽性と判定できた割合で、見る側が逆である。「Precision（適合率）」は陽性と判定したもののうち実際に陽性だった割合で、分母が異なる。「決定係数」は回帰モデルの当てはまりを表す指標で、陰性の判定を見る分類の指標ではない。したがって、設問の指標は特異度である。
第5章 データ準備・可視化技法とモデル化 / モデル化・評価
分類モデルが判定した全100件のうち、正しく分類できた件数が何件かという割合でモデル全体の正しさを評価したい。使う指標はどれか。
正解は「Accuracy」である。Accuracyは、分類した全件のうち正しく分類できた件数の割合を表す指標である。設問では陽性・陰性の一方だけに注目せず、全100件を分母として正解した件数を評価するためAccuracyを使う。Precisionは正と予測した対象のうち実際にも正だった割合、Recallは実際に正である対象のうち正と判定できた割合、特異度は実際に負である対象のうち負と判定できた割合である。分母が全件か、予測陽性か、実際の陽性・陰性かを確認して区別する。
同じ章で確認したい用語
到達チェック
- 特異度を一文で説明できる
- 同じ章の似た用語と違いを説明できる
- 問題文の具体例から、特異度に関係する論点を拾える
- 関連問題を解き、誤答した選択肢の理由を確認できる
執筆: AI資格ドリル編集部（運営者情報を見る）