再現率と真陽性率の違いを完全解説！データを読み解く最短ルートを中学生にも分かる図解付き

---

再現率と真陽性率の違いを中学生にもわかるように徹底解説

この二つの指標はデータを評価するときによく登場します。

再現率は「見逃さない力」を表す指標で、実際に病気を持つ人の中で検査が陽性と判定された割合です。

英語の recall に相当し、病気の人を拾い上げる力が強いほど再現率は高くなります。

一方、真陽性率は「陽性と判定されたうち、実際に陽性である割合」です。

英語の precision に当たり、検査で陽性と出た人の信頼性を示します。

この二つは、同じデータを基にしていても、何を重視するかで答えが変わることが多いのが特徴です。

例えば病院の検査や機械学習のモデル評価では、再現率を重視して見逃しを減らす設計と、真陽性率を重視して誤検出を減らす設計の両方を検討します。

閾値を調整することで両方の値が変化するため、現場の目的に合わせてどちらを優先するかを決めることが大切です。

再現率の基本と日常的な例

再現率は、実際に病気を持つ人をどれだけ拾えるかを示す指標です。

例を使って考えましょう。100人が病気を持っているとします。検査で陽性と判定された人は60人でした。うち40人は本当に病気で、残りは健康な人です。再現率はTP/(TP+FN) = 40/(40+60) = 0.40 となります。つまり、実際の病気の人のうち40パーセントしか見つかっていない、という意味です。再現率を高くするには閾値を下げるなどの調整が必要ですが、それと同時に偽陽性が増えるリスクもあります。学校の健康診断や病院のスクリーニングでは、見逃さないことと誤検出を抑えることのバランスをとることが大切です。日常生活の例として、友達と遊ぶかどうかを判断する場面で、見つけられるだけ多くの可能性を検討するような意思決定を想像してみてください。

真陽性率の基本と日常的な例

真陽性率は、陽性と判定された人の中で実際に陽性だった割合を表します。

例えば検査の結果、陽性と出た100人のうち70人が実際に陽性だったとします。真陽性率は70/(70+30) = 0.70 です。真陽性率が高いほど、陽性判定の信頼性が高いと言えます。しかし閾値を高く設定すると偽陰性が増え、見逃しが増えることもあるので注意が必要です。医療現場や品質管理では、検査の陰性結果が本当に陰性であることも重要なので、再現率とのバランスを見ながら評価します。

違いを日常のデータ判断にどう活かすか

日常のデータ判断では、目的に応じてどちらを重視するか決めることが大切です。もし「病気を早く見つけること」が最優先なら再現率を高く設定します。見逃しが減る一方で偽陽性が増え、不要な不安や追加検査の負担が増えます。反対に検出した陽性を高く信頼したい場合は真陽性率を重視します。

このようなバランスをとるには、閾値の設定だけでなく F1スコアや ROC 曲線、AUC などの指標と組み合わせて評価するのが有効です。最後に、データ分布を理解し、現場の目的と相談して決定することが大切です。

<table>指標意味公式長所短所再現率実際に陽性の人のうち、検査が陽性と判定された割合TP / (TP + FN)見逃しを減らせる力が高い偽陽性が増えやすい真陽性率検査が陽性と判定した人の中で、実際に陽性だった割合TP / (TP + FP)陽性判定の信頼性が高い閾値次第で偽陰性が増えることがある

ピックアップ解説

ねえ、再現率について雑談風に話そう。再現率は、実際に病気の人をどれだけ拾い上げられるかを示す指標で、見逃しを減らす力を測る。だから、もし病気の子を見逃すと困る場面では、再現率を高くする設計が求められる。でもそれだけだと偽陽性が増えてしまう。だから私たちは閾値を調整し、再現率と真陽性率のバランスを見ながら評価する。結局、何を大切にするか、目的次第なんだよね。

---