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。
Accuracyの意味と見分け方
Accuracy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
ニューラルネットワークの各ユニットで、入力の重み付き和を非線形な値へ変換し、複雑なパターンを学習できるようにするものはどれか。
正解は「活性化関数」である。活性化関数は、ニューラルネットワークのユニットで入力の重み付き和を受け取り、非線形な出力へ変換する関数である。非線形変換を層の間に入れることで、線形変換を重ねるだけでは表しにくい複雑な関係を学習できる。回帰係数は説明変数と目的変数の関係を回帰式で表す係数、標準化はデータの尺度をそろえる前処理、Accuracyは全分類件数に占める正解件数の割合を表す評価指標である。ユニット内部の変換という役割に着目する。入力前の処理や学習後の評価とは処理される段階が異なる。
第5章 データ準備・可視化技法とモデル化 / モデル化・評価
二値分類の結果がTP=30、FP=10、FN=20、TN=40だった。正と予測した中の正解割合Precisionと、実際の正を拾えた割合Recallの組み合わせはどれか。
正解は「Precision=0.75、Recall=0.60」である。Precisionは正と予測したTP+FPを分母にするため、30÷(30+10)＝30/40＝0.75となる。Recallは実際に正であるTP+FNを分母にするため、30÷(30+20)＝30/50＝0.60となる。0.60と0.75を逆にした選択肢は分母を取り違えている。0.70は(TP+TN)/全件数で求めるAccuracy、0.80はTN/(TN+FP)で求める特異度であり、Precision・Recallとは対象が異なる。同じTP=30を分子にしても、偽陽性を含む予測正40件か、偽陰性を含む実際正50件かで分母が変わることを確認する。
第5章 データ準備・可視化技法とモデル化 / モデル化・評価
二値分類の結果がTP=30、FP=10、FN=20、TN=40だった。全件中の正解割合Accuracyと、実際の負を正しく負と判定した割合である特異度の組み合わせはどれか。
正解は「Accuracy=0.70、特異度=0.80」である。全件数は30+10+20+40＝100、正しく分類した件数はTP+TN＝30+40＝70なので、Accuracyは70/100＝0.70となる。特異度は実際の負であるTN+FPを分母にして、TN/(TN+FP)＝40/(40+10)＝40/50＝0.80となる。0.60はRecall、0.75はPrecisionであり、別の分母を使う指標である。Accuracyは陽性・陰性の両方の正解を全体で評価し、特異度は実際に陰性のものだけの正解率を見る。同じ混同行列でも、分母が全体の100件か、実際の負の50件かで値が変わる点が要点である。
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: AI資格ドリル編集部（運営者情報を見る）