この用語の意味
適合率は、検出したもののうち本当に対象だった割合です。再現率は、本当の対象全体のうち検出できた割合です。分類や検索、警告の評価で、誤警告と見逃しを分けて考える指標です。正解率とは分母が異なります。
何ができるか
この計算例では使用しない
検出した24件のうち正しい16件
本当の対象20件のうち拾えた16件
同じ16件を、異なる全体と比べる
適合率：検出した24件＝16＋8
無地：正しい検出16件（約67％）
斜線：誤った検出8件
再現率：本当の対象20件＝16＋4
無地：正しい検出16件（80％）
斜線：見逃した4件
二本の帯は同じ縮尺で、長さが件数に比例します。無地の16件は同じ長さです。全体は24件と20件で異なります。
迷惑メール判定や書類分類などで、検出の品質を比較できます。適合率は正しい検出数÷検出総数、再現率は正しい検出数÷実際の対象総数です。どちらを優先するかは誤りの影響で決めます。
実際に使うために必要なもの
正解が確認された試験データ、対象の定義、判定結果、件数、しきい値を用意します。誰が正解を確認したか、対象の割合が実業務に近いかも確認します。
正解データの作成、評価者の確認、集計、しきい値の調整、再評価に費用と時間がかかります。モデルや検査サービスの利用料も含めます。
統計・機械学習で使う一般的な指標で、単一製品の規格ではありません。Googleの教材で定義を確認できます。しきい値やデータの偏りが変わると指標も変わるため、同じ条件で比較します。 情報確認日：2026年10月14日。
小さく試す運用例
架空の書類100件に正解分類を付けて試験します。検出20件のうち正しいものが15件、実際の対象が30件なら、適合率は75％、再現率は50％です。誤りの理由を調べて判定条件を見直します。
人が確認すること・注意点
一つの高い指標だけで導入を決めません。分母がゼロの場合の扱い、対象の偏り、見逃しの影響を確認します。人による確認時間も含め、業務として許容できるか判断します。
関連する事例・テンプレート
- 偽陽性・偽陰性：割合を求める基礎となる誤警告と見逃しの定義を確認します。
- AIモデル：AIモデルの基礎を確認し、本用語の利用・評価につなげます。
- KPI（重要業績評価指標）：KPI（重要業績評価指標）の基礎を確認し、本用語の利用・評価につなげます。