真陽性・真陰性

真陽性・真陰性は、機械学習の分類モデルの性能を評価する際に用いる混同行列における重要な項目です。モデルが予測した結果と、実際の正解ラベルを照らし合わせた際の判定の正確さを分類します。

真陽性（True Positive）は、モデルが陽性と予測し、実際にも陽性であった場合です。真陰性（True Negative）は、モデルが陰性と予測し、実際にも陰性であった場合です。これらに対して、予測が外れた場合（偽陽性、偽陰性）と合わせて、モデルがどれくらい正確に分類できているかを多角的に評価します。

G検定では、混同行列に基づく適合率（Precision）や再現率（Recall）の計算式を理解しておくことが求められます。特に医療診断や不正検知など、偽陰性（見逃し）や偽陽性（誤検知）のどちらを重視すべきかが決まる実務シナリオと関連付けて問われることがあります。