👇この表の読み方を解説します。
| 分析結果：陽性 | 分析結果：陰性 | |
|---|---|---|
| 正解：陽性 | TP（真陽性） | FN（偽陰性） |
| 正解：陰性 | FP（偽陽性 | TN（真陰性） |
まず大前提
"Positive" は「注目したいもの」 です。
例：
異常を見つけたい → 異常 = Positive
病気を見つけたい → 病気あり = Positive
スパムを見つけたい → スパム = Positive
つまり、Positive = 良いものとは限らないです。
「見つけたい対象」が Positive です。
TP / FP / FN / TN の意味
| 用語 | 読み方 | 意味 |
|---|---|---|
| TP | True Positive | Positive と予測して、実際も Positive |
| FP | False Positive | Positive と予測したけど、実際は Negative |
| FN | False Negative | Negative と予測したけど、実際は Positive |
| TN | True Negative | Negative と予測して、実際も Negative |
ポイントはこれです。
T / F = 予測が当たったか
P / N = AIがどちらと予測したか
例：病気判定AI
「病気あり」を Positive とします。
| 実際：病気あり | 実際：病気なし | |
|---|---|---|
| AI：病気あり | TP | FP |
| AI：病気なし | FN | TN |
それぞれの意味はこうです。
TP：病気ありと判定 → 本当に病気あり
FP：病気ありと判定 → 実は病気なし
FN：病気なしと判定 → 実は病気あり
TN：病気なしと判定 → 本当に病気なし
ようするに・・・
FP = False Positive
→ Positive と言ったけど間違い
→ 誤検知
FN = False Negative
→ Negative と言ったけど間違い
→ 見逃し
病気判定なら、
FP：病気じゃない人を病気と言う
FN：病気の人を見逃す
です。
計算式は丸暗記してください
| 指標 | 見ているもの | 式 |
|---|---|---|
| 正解率 | 全体でどれだけ当たったか | (TP + TN) / 全体 |
| 適合率 | Positive と予測した中で本当にPositiveだった割合 | TP / (TP + FP) |
| 再現率 | 実際のPositiveをどれだけ見つけられたか | TP / (TP + FN) |
📍ポイント
適合率
→ AIが「Positive」と言ったものの正しさ
→ TP / (TP + FP)
再現率
→ 本当のPositiveをどれだけ拾えたか
→ TP / (TP + FN)
📝まとめ（超ざっくり）
TN、FN
→ 正解
FPが多い
→ 誤検知が多い
FNが多い
→ 見逃しが多い
病気判定や不良品検出では、
特に FN＝見逃し が問題になりやすいです。
とりあえず、これを理解してから、式を覚えるのが手っ取り早いです。
余談ですが、、、
個人的には日本語より、英語のほうがしっくりくるのは私だけですかね？