DS検定 用語解説
Accuracyとは
分類した全件のうち、正しく分類できた割合。
まず押さえる結論
Accuracyは、DS検定の「第5章 データ準備・可視化技法とモデル化」で確認しておきたい用語です。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。 一次情報確認日: 2026-07-12。
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
×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
分類モデルが「正である」と判定した対象のうち、実際にも正であった対象の割合を表す指標はどれか。
正解は「Precision」である。Precisionは分類モデルが正と判定した対象のうち、実際にも正であった対象の割合を表す指標である。Recallは実際に正である対象をどれだけ正と判定できたかを表すため、分母となる対象が異なる。Accuracyは分類全体で正しく判定できた割合を表し、正と判定した対象だけに注目しない。MAEは回帰モデルの予測値と実際の値の差を絶対値で評価する指標であり、分類の正・負を扱うものではない。設問では「正と判定した対象のうち」という分母に着目する。したがってPrecisionを選ぶ。
第5章 データ準備・可視化技法とモデル化 / モデル化・評価
実際には正である対象のうち、分類モデルが正であると判定できた対象の割合を表す指標はどれか。
正解は「Recall」である。Recallは実際に正である対象のうち、分類モデルが正であると判定できた対象の割合を表す指標である。Precisionはモデルが正と判定した対象のうち実際に正であった対象の割合であり、注目する分母が異なる。Accuracyは全ての対象のうち正しく判定できた割合を表すため、実際に正である対象だけに焦点を当てない。MAEは回帰の予測値と実測値の差を絶対値で評価する指標である。見逃しをどれだけ抑えられたかを考えるときは、実際に正である対象を分母にするRecallを確認する。したがってRecallを選ぶ。
第5章 データ準備・可視化技法とモデル化 / モデル化・評価
回帰モデルの予測値と実際の値の差を二乗して平均し、その平方根を取って誤差を評価する指標はどれか。
正解は「RMSE」である。RMSEは回帰モデルの予測値と実際の値の差を二乗して平均し、その平方根を取って誤差を評価する指標である。MAEは誤差の絶対値を平均するため、二乗と平方根を用いる設問の条件とは異なる。MAPEは誤差を割合として扱う指標であり、予測値と実測値の差を二乗して扱うものではない。Accuracyは分類で正しく判定できた割合を表す指標であり、回帰の数値誤差を評価しない。誤差を絶対値、割合、二乗のどれで扱うかを確認する。したがってRMSEを選ぶ。
同じ章で確認したい用語
到達チェック
- Accuracy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、Accuracy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: ミナト編集部（運営者情報を見る）