正解率（精度）とは
Accuracy / 精度 / 正答率
全予測のうち正しく当たった割合を表す、分類やベンチマークの最も基本的な評価指標
最終更新:
概要
正解率(Accuracy)は、予測した件数全体のうち正解と一致した件数の割合。二値分類では、真陽性(TP)・真陰性(TN)・偽陽性(FP)・偽陰性(FN)を用いて (TP+TN)/(TP+TN+FP+FN) で計算する。LLMのベンチマークでも、選択式問題で正答した割合を正解率として報告することが多い。 計算が簡単で直感的に理解しやすい一方、クラスの偏りが大きいデータでは実態を表さない。たとえば陽性が1%しかないデータで常に「陰性」と予測すると、正解率は99%になるが陽性を1件も見つけられない。このような場合は適合率(Precision)・再現率(Recall)・F1スコアなどを併せて確認する。なお、日本語の「精度」は正解率を指す場合と適合率を指す場合があり、文脈に注意が必要。
コード例
scikit-learnで正解率を計算する
from sklearn.metrics import accuracy_score
y_true = [1, 0, 1, 1, 0]
y_pred = [1, 0, 0, 1, 0]
print(accuracy_score(y_true, y_pred)) # 0.8利点
- 計算が簡単で、意味を直感的に理解しやすい
欠点
- クラスの偏りが大きいデータでは、性能を過大に見せてしまう