AI・データサイエンス、
機械学習の実践力を高めたい方へ

• プログラミングを0から学びたい
• データサイエンティスト、データ
  アナリストを目指したい
• AIエンジニア、大規模言語モデル(LLM)エンジニアを目指したい

AI人材コースを無料体験してみませんか？

• 無料で120以上の教材を学び放題！
• Pythonやデータ分析、機械学習など
  AI人材に必須のスキルを無料体験できる！
• データ分析、AI開発の一連の流れを体験、実務につながる基礎スキルを習得！

1分で簡単！無料！

無料体験して特典を受け取る

再現率とは

再現率（Recall）とは、真の値が正事例であるものの中から、正事例と予測した割合を示す指標です。

再現率を重視するのは、FP（False Positive）が発生しても許容できるケースです。

具体的な利用シーンとしては、がん診断や異常検知のように、取りこぼしを減らしたい場面が挙げられます。

再現率は、感度やヒット率、真陽性率とも呼ばれ、以下の式で求めることができます。

※TPやFPなどが何か知りたい方はこちら

関連：【評価指標】混同行列 とは

関連：【評価指標】正解率 とは

関連：【評価指標】適合率 とは

再現率を重視するタスク

再現率を利用するにあたり、再現率を重視するタスク（取りこぼしを防ぐ必要がある場面）を以下に示します。

1. がんや重大な病気の診断モデル
   病気を見逃すことが致命的な結果につながるため、再現率を重視。
2. 異常検知（製造ラインの欠陥検出）
   製造ラインでの不良品や異常を見逃すと、顧客クレームや大規模なリコールのリスクがある。
3. サイバーセキュリティの脅威検出
   実際の攻撃を見逃すと、重大なセキュリティ侵害が発生する可能性があるため、再現率を優先する。
4. 自然災害の早期検知
   津波や地震などの自然災害を見逃すことがないよう、取りこぼしを防ぐことが重要。
5. 児童虐待や暴力のリスク検知
   虐待や暴力を受けている人を見逃さないようにするため、再現率を重視。

まとめ

再現率（Recall）とは、陽性であるべきデータのうち、モデルが正しく陽性であると予測した割合を示す指標です。再現率は、取りこぼしを防ぐことが重要なタスクで用いられ、偽陰性（FN）を最小限に抑えることを目的としています。

再現率は、特に実際に陽性であるデータを見逃すと問題が発生する状況で重要です。このため、再現率を高めることにより、取りこぼしのリスクを軽減することができます。ただし、再現率を重視しすぎると偽陽性（FP）が増える可能性があるため、他の評価指標とバランスを取る必要があります。

関連：【評価指標】適合率 とは

機械学習や統計を効率よく学ぶには？

機械学習や統計を効率よく学ぶには、普段から機械学習や統計学を用いて業務をしている現役のデータサイエンティストに質問できる環境で学ぶことです。
質問し放題かつ、体系的に学べる動画コンテンツでデータ分析技術を学びたい方は、オンラインで好きな時間に勉強できるAI Academy Bootcampがオススメです。受講料も業界最安値の35,000円から受講可能です。是非ご活用ください。