正解率（Accuracy）計算ツール

正解率（割合）	0.75
正しい予測の件数（TP + TN）	150
予測の総数	200

正解率（Accuracy）計算ツールとは？

正解率（Accuracy）は、分類モデルの性能を評価するうえで最もよく使われる指標のひとつです。モデルが行った予測全体のうち、正しく当てられた割合を示します。これには「陽性を正しく陽性と予測したケース」と「陰性を正しく陰性と予測したケース」の両方が含まれます。このツールを使えば、混同行列の4つのセルの数値から、正解率を割合（比率）とパーセントの両方で簡単に求められます。

使い方

混同行列の4つの値を入力してください。

TP（真陽性） — 陽性のケースを正しく陽性と予測した数。
TN（真陰性） — 陰性のケースを正しく陰性と予測した数。
FP（偽陽性） — 本来は陰性なのに、誤って陽性と予測した数。
FN（偽陰性） — 本来は陽性なのに、誤って陰性と予測した数。

4つの値を入れると正解率が自動で表示されます。ツールが手元にないときは、4つの数値を合計し、下記の計算式に当てはめるだけです。

計算式の解説

正解率＝ (TP + TN) ÷ (TP + TN + FP + FN)。

$$\text{Accuracy} = \dfrac{TP + TN}{TP + TN + FP + FN}$$

分子は「正しく予測できた件数の合計」、分母は「予測した件数の総数」を表します。100を掛ければパーセント表示に変換できます。

$$\text{Accuracy \%} = \text{Accuracy} \times 100$$

TP・TN・FP・FNのセルを示す2×2の混同行列 — 混同行列の4つの結果：正しい予測（TP・TN）は緑、誤り（FP・FN）は赤。

計算例

たとえば、あるモデルで $TP = 80$、$TN = 70$、$FP = 20$、$FN = 30$ という結果が出たとします。正しく予測できた件数は $80 + 70 = 150$ 件。全体は $80 + 70 + 20 + 30 = 200$ 件です。したがって正解率は

$$150 \div 200 = 0.75$$

つまり 75% となります。

様々なシナリオでの精度

同じ精度の公式 $\text{精度} = \frac{\text{TP} + \text{TN}}{\text{TP} + \text{TN} + \text{FP} + \text{FN}} \times 100\%$ でも、非常に異なるモデルの振る舞いを隠すことができます。以下のシナリオはそれぞれ合計100ケースを使用しているため、パーセンテージは直接比較できます。

シナリオ	TP	TN	FP	FN	精度
バランスの取れたデータセット、良いモデル	45	45	5	5	90%
不均衡、多数派が陰性（稀な疾患）	2	93	2	3	95%
「常に陰性を予測」するベースライン	0	95	0	5	95%
偽陽性が多い（過度なフラグ付け）	48	22	28	2	70%
偽陰性が多い（見落とした陽性）	20	50	0	30	70%

重要な要点は、2番目の行と3番目の行の比較です。多数派クラスを予測するだけのモデルが、実際に一部の陽性ケースを検出するモデルと同じ95%のスコアを獲得しています。バランスの取れたデータセット（1行目）では、精度ははるかに有用です。最後の2行は、同じ70%の精度を持つ2つのモデルが、相反する互いに相容れない方法で失敗する可能性があることを示しています。1つは偽のアラームであふれ、もう1つは静かに陽性を見落とします。

精度スコアの解釈

精度は、分類器が正しく予測したすべての予測の割合です。陽性と陰性の両方です。精度が90%であることは、10個のケースのうち9個が正しくラベル付けされたことを意味し、補完的なエラー率は $100\% - 90\% = 10\%$ です。これは直感的で、伝わりやすく、まさにそのために誤解されることが多いのです。

常に情報なしベースラインと比較してください。最も誠実なサニティチェックは、多数派クラスのベースラインです。最も一般的なクラスを常に推測することで得られる精度です。ケースの95%が陰性である場合、「陰性」をすべての時間に予測する分類器は既に95%のスコアを獲得しています。実際のモデルはそのベースラインを上回る必要があり、価値があります。95%の精度は50/50のスプリットで印象的であり、95/5のスプリットで無価値です。

高い精度が誤解を招く場合。強く不均衡なデータでは、精度は多数派クラスによって支配されます。不正検出器、稀な疾患のスクリーン、または欠陥検出器は99%の精度を報告しながら、実際に重要な稀な陽性ケースのほぼ何もキャッチしません。これらの設定では、偽陰性と偽陽性のコストは通常非常に異なり、単一の全体的なパーセンテージはそれをキャプチャできません。

精度を補完するメトリック：

精密性 — 陽性と予測されたケースのうち、実際にどのくらいが陽性でしたか: $\text{TP}/(\text{TP}+\text{FP})$。偽陽性のコストが高い場合は使用してください。
再現率（感度） — 実際の陽性のうち、どのくらい捕らえたのか: $\text{TP}/(\text{TP}+\text{FN})$。陽性を見落とすコストが高い場合は使用してください。
特異性 — 実際の陰性のうち、正しくクリアされたのはどのくらいか: $\text{TN}/(\text{TN}+\text{FP})$。
F1スコア — 精密性と再現率の調和平均で、陽性クラスの2つをバランスさせる単一の数値。
バランスの取れた精度 — 感度と特異性の平均で、クラスの不均衡を補正し、クラスが歪んでいる場合のより良い見出しの数値です。

上記のバランスの取れた例（TP=45、FP=5、FN=5）の場合、再現率と精密性の両方が $45/50 = 90\%$ であるため、精度、精密性、再現率が一致しています。これは、データセットがよくバランスしていることの兆候です。それらが大きく異なる場合は、単一の精度の数値よりもクラスごとのメトリックを信じてください。これは一般的な技術情報であり、特定の問題のドメイン固有の評価に代わるものではありません。

定義と用語集

真陽性（TP）: モデルが陽性として正しく予測した陽性ケース（例：病気の患者が病気としてフラグを立てられている）。
真陰性（TN）: モデルが陰性として正しく予測した陰性ケース（例：健康な患者が健康としてクリアされている）。
偽陽性（FP）: 陰性ケースが誤って陽性として予測されました。偽のアラーム。タイプIエラーとも呼ばれます。
偽陰性（FN）: 陽性ケースが誤って陰性として予測されました。ミス。タイプIIエラーとも呼ばれます。
混同行列: 予測と実際のクラスを相互参照する2×2テーブルで、TP、TN、FP、FNが4つのセルです。これは、ほぼすべての分類メトリックのソースです。
精度: 正確な予測の割合: $(\text{TP}+\text{TN})/(\text{TP}+\text{TN}+\text{FP}+\text{FN})$、通常はパーセンテージで表されます。
エラー率: 間違った予測の割合: $(\text{FP}+\text{FN})/(\text{TP}+\text{TN}+\text{FP}+\text{FN}) = 1 - \text{精度}$。
精密性: 正の予測値: $\text{TP}/(\text{TP}+\text{FP})$。陽性の予測がどの程度信頼できるか。
再現率: 感度または真陽性率: $\text{TP}/(\text{TP}+\text{FN})$。実際の陽性のうちいくつが見つかったか。
特異性: 真陰性率: $\text{TN}/(\text{TN}+\text{FP})$。実際の陰性のうちいくつが正しく識別されたか。
F1スコア: 精密性と再現率の調和平均: $2 \cdot \frac{\text{精密性} \cdot \text{再現率}}{\text{精密性} + \text{再現率}}$、陽性クラスのパフォーマンスの単一のバランスの取れた測度。