陽性的中率と感度: 違いは何ですか?

分類モデルのパフォーマンスを評価する最も一般的な方法の 1 つは、データセットの実際の結果に対してモデルの予測結果を要約する混同行列を作成することです。

混同行列で私たちがよく関心を持つ 2 つの指標は、陽性的中率と感度です。

陽性的中率は、陽性の予測結果を伴う観測が実際に陽性の結果をもたらす確率です。

次のように計算されます。

陽性的中率= 真陽性数 / (真陽性数 + 偽陽性数)

感度は、肯定的な結果を伴う観測値が実際に肯定的な予測結果を持つ確率です。

次のように計算されます。

感度= 真陽性 / (真陽性 + 偽陰性)

次の例は、これら 2 つのメトリックを実際に計算する方法を示しています。

例：陽性的中率と感度の計算

医師がロジスティック回帰モデルを使用して、400 人が特定の病気に罹患しているかどうかを予測するとします。

次の混同行列は、モデルによって行われた予測を要約したものです。

陽性的中率は次のように計算します。

• 陽性的中率= 真陽性数 / (真陽性数 + 偽陽性数)
• 陽性的中率= 15 / (15 + 10)
• 陽性的中率= 0.60

これは、検査で陽性結果が出た人が実際に病気に罹っている確率は0.60であることを示しています。

感度は次のように計算します。

• 感度= 真陽性 / (真陽性 + 偽陰性)
• 感度= 15 / (15 + 5)
• 感度= 0.75

これは、この病気を持つ人が実際に陽性の検査結果を受ける確率は0.75であることを示しています。

追加リソース

次のチュートリアルでは、さまざまな統計ソフトウェアで混同行列を作成する方法を説明します。

Excel で混同行列を作成する方法
R で混同行列を作成する方法
Python で混同行列を作成する方法