真陽性

真陽性が指すケース

真陽性（True Positive、略してTP）は、2値分類のモデルが出した予測を実際の正解と照らし合わせたときに、陽性と予測して、実際にも陽性だったケースを指します。予測と実際の正解の組み合わせで、結果は4つに分かれます。この4つを並べたものを混同行列と呼び、真陽性はそのうちの1つです。

陽性と真を別々の軸として読む

この語は、次の2つの軸の組み合わせとして読むと混乱しにくくなります。

• 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。陽性は、調べたい対象のクラス（陽性クラス）だと予測したことを意味します。
• 真・偽の軸：その予測が実際の正解と一致していたかを表します。一致していれば真、外れていれば偽です。

真陽性は、陽性と予測し（陽性の側）、その予測が当たっていた（真の側）ケースです。同じ陽性の予測でも、外れていれば偽陽性という別の区分になります。

スパムメール分類での例

Google Machine Learning Crash Courseでは、メールがスパムである確率を0から1の値で出すロジスティック回帰モデルを例にしています。出てきた確率を分類しきい値と比べ、しきい値を上回るメールを陽性クラス（スパム）に、それより低いメールを陰性クラス（スパムではない）に割り当てます。

この例での真陽性は、スパムのメールを正しくスパムと分類したケースです。自動でスパムフォルダへ振り分けられたスパムメールがこれにあたります。

評価での位置づけ

予測で陽性とした件数の合計（TP＋FP）にも、実際に陽性である件数の合計（TP＋FN）にも、真陽性が含まれます。真陽性が多いほど、モデルが陽性を正しく見つけられていることになり、分類モデルの評価ではよい結果とされます。対になる語として、真陰性・偽陽性・偽陰性があります。

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