アキュラシーとは？プレシジョンとの違いや正しい計算式・評価の落とし穴

アキュラシーとは？プレシジョンとの違いや正しい計算式・評価の落とし穴について見逃せない ポイントを分かりやすく解説いたします。

ビジネスの目的に合わせて指標を正しく選定できなければ、AI導入プロジェクトは確実に頓挫します。業務シナリオごとの指標選びの基準は以下の通りです。

1. アキュラシー（正解率）を重視すべきケース
分類対象のデータバランスがほぼ半々（50:50など）で均衡しており、陽性と陰性を同等の重要度として公平に評価したい場合（例：顧客が継続するか解約するかの二択予測、天候の晴れ・雨の判別など）。

2. プレシジョン（適合率）を重視すべきケース
誤判定（空振り）による業務コストやユーザー体験の悪化が大きい場合（例：高価格商品の購買意欲が高い見込み客への営業アプローチ、重要な通知を遮断しないスパムフィルター）。

3. リコール（再現率）を重視すべきケース
見逃しによるリスクが甚大で、多少の空振りを許容してでも網羅的に拾い上げたい場合（例：インフラ設備の亀裂検知、サイバー攻撃の初期侵入検知、医療スクリーニング）。

なお、プレシジョンとリコールはトレードオフ（片方を上げるともう片方が下がる関係）になりやすいため、両者のバランスを調和平均で総合評価する「F値（F1-score）」や、閾値の変動に強い「AUC-ROC」といった指標を併用することが実務上のスタンダードです。