偽陰性

偽陰性とは

二値分類のモデルは、出力した値を分類しきい値と比べて、2つのクラスのどちらかに振り分けます。1つは調べたいクラスである陽性クラス、もう1つはそれ以外の陰性クラスです。モデルの予測と実際の正解の組み合わせで結果を4つに分けたものが混同行列で、偽陰性はそのうちの1つです。対になる語として、真陽性・偽陽性・真陰性があります。

名前を2つの軸に分けて読む

偽陰性という名前は、次の2つの軸を組み合わせてできています。

• **陽性・陰性の軸**：モデルの予測がどちらのクラスだったかを表します。偽陰性の陰性は、モデルが陰性と予測したことを指します。実際の正解が陰性だったという意味ではありません。
• **真・偽の軸**：その予測が実際の正解と一致していたか（真）、外れていたか（偽）を表します。偽陰性の偽は、予測が外れたことを指します。

陰性と予測し、その予測が外れていたのですから、実際は陽性だったことになります。つまり偽陰性は、本当は陽性のものを陰性と判定してしまった見逃しです。

スパムメール分類での偽陰性

スパムを陽性クラス、スパムでないメールを陰性クラスとする迷惑メールフィルターで考えます。偽陰性は、実際はスパムなのにスパムではないと分類されたメールです。フィルターに捕まらず、そのまま受信箱に届いてしまう迷惑メールがこれに当たります。

実際の陽性の総数は、真陽性と偽陰性の合計（TP + FN）です。偽陰性は、本来なら陽性として拾うべきだったもののうち、取りこぼした分を表します。

偽陰性が多いと困る場面

偽陰性は見逃しなので、見逃したときの損失が大きい課題ほど重く見られます。スパムフィルターでは、迷惑メールが受信箱に混ざるという形で現れます。一方、病気の有無を判定する医療診断で偽陰性が起きると、病気の人を病気でないと判定してしまい、必要な対応が遅れるおそれがあります。

試験範囲での位置づけ

G検定シラバス2024（第1.4版）では、中項目10 モデルの選択・評価のキーワードとして、偽陽性・偽陰性が挙げられています。