正答率—　読み：せいとうりつ

正答率（Accuracy）とは、 機械学習モデルがどれだけ正確に予測や分類を行えるかを示す指標 です。とくに分類問題において、モデルの性能を評価するために広く用いられ、AIモデルの信頼性を判断するうえで重要な情報となります。

正答率だけで判断できない理由

正答率だけでモデルの性能を判断するのは不十分な場合もあります。なぜなら、データの偏りがある場合、高い正答率が必ずしも優れたモデルを意味しないことがあるからです。

たとえば、データセットの95%が陰性、5%が陽性の病気診断モデルを考えます。このとき、すべて陰性と予測するだけで正答率は95%になりますが、陽性を見逃し続けるため実際には役に立ちません。このように、大多数のクラスに偏った予測でも見かけ上の数値は高くなります。

つまり正答率は、クラスの出現割合が偏っているときに、モデルの弱点を隠してしまうことがあります。

他の指標と組み合わせる

このような場合、適合率、再現率、F1値といった他の指標と組み合わせて評価する必要があります。

どの指標を重視するかは目的によります。見逃しを減らしたいのか、誤検知を減らしたいのかで、見るべき数値が変わります。複数の指標を並べて確認することで、モデルの長所と短所が見えやすくなります。

正答率を向上させるには

正答率を向上させるためには、次のような取り組みが有効です。

• データセットの質を高める
• 問題に適したアルゴリズムを選択する
• ハイパーパラメータを調整する

ただし、数値を上げること自体を目的化すると、データに合わせすぎて未知のデータに弱くなる過学習を招くことがあります。目的に照らして評価することが大切です。

評価指標を選ぶときの考え方

モデルの良し悪しは、一つの数値だけで決まるものではありません。現場で「避けたい失敗」は何かを先に決めると、どの指標を重視すべきかが見えてきます。

たとえば、見逃しを減らしたいのか、誤った指摘を減らしたいのかで、重視すべき指標は変わります。複数の指標を並べて確認し、目的と照らし合わせて判断することが、実務では欠かせません。正答率はその出発点として便利な指標のひとつです。

よくある誤解

誤解：正答率が高ければよいモデルである

実際は：データが偏っていると、役に立たないモデルでも正答率は高くなります。他の指標と併せて見る必要があります。

誤解：正答率はどんな問題にも使える指標である

実際は：分類問題では使いやすい一方、数値予測などの回帰問題では誤差の大きさを見る別の指標が適します。

誤解：正答率を上げれば実務の成果も必ず上がる

実際は：現場で重視される指標と一致しないこともあります。目的に合った評価を選ぶ必要があります。

本項の定義・解説は、my-best.ai 用語辞典の同項目記事（編集部執筆）を底本に再構成したものです。初出時期や命名者について確立した一次資料が本文中に明記されていない場合は、推測での記載を見送っています。

• my-best.ai 用語辞典「正答率」（本項の底本）

• 機械学習バイアス
• モデル
• ハイパーパラメータ
• 二値分類モデル

用語同士は相互リンクされています。

理解を定着させるためのプロンプト例です。コピーして〔　〕内を置き換えてご利用ください。

あなたは AI 教育の講師です。「正答率」を、AI に詳しくない日本の社会人にも分かるように説明してください。専門用語を使った場合は、その直後に噛み砕いた言い換えを添えてください。最後に要点を 3 行でまとめてください。

「正答率」について、①定義 ②仕組み ③代表的な活用例 ④よくある誤解 を見出し付きで整理してください。同じ分野の類似用語があれば、その違いを表形式で示してください。

「正答率」を〔業種・業務〕で活用する場合に期待できる効果と注意点を、それぞれ 3 つずつ提案してください。判断の前提条件や、確認すべき事実があれば明示してください。

• my-best.ai 用語辞典「正答率」（本項の底本）

定義の記述は my-best.ai 用語辞典（編集部執筆）に基づきます。リンク先の内容は公開時点のものです。

正答率（Accuracy）とは、機械学習モデルがどれだけ正確に予測や分類を行えるかを示す指標です。

• まず「正答率」の定義を自分の言葉で言い換えられるようにする
• 関連用語との違いを「関連用語」セクションから確認する
• プロンプト集の型を使って、理解した内容をアウトプットで確認する