定義
正解率(Accuracy)とは、分類モデルの全予測件数のうち、正しく予測できた件数の割合を示す評価指標のこと。
正解率 (Accuracy)とは（詳しく解説）
正解率(Accuracy)は、分類・予測タスクにおいて全体の予測件数のうち正しく予測できた件数の割合を表す、機械学習で最も基本的な評価指標の一つとされる。計算式はシンプルで(TP+TN)/(TP+TN+FP+FN)で求められ、モデル性能を手早く把握する指標として広く使われているとされる。ただし、クラス不均衡なデータでは正解率だけでは実態を見誤りやすく、少数クラスの誤判定が埋もれてしまう落とし穴があるとされる。2026年時点の実運用では、生成AIによる分類・判定タスク(スパム検知、コンテンツ審査、レコメンド精度検証など)でも正解率が一次指標として使われる一方、適合率・再現率・F1スコアと併用する運用が定着してきたとされる。現場でモデルを選ぶ際は、正解率の数値だけでなく誤判定の種類(見逃しか誤検知か)がビジネス影響としてどちらが痛いかで指標の優先順位を変える必要があるとされる。継続的な評価にはラベル付きテストデータの整備が欠かせず、相場感としては小規模チームでも月次程度の再評価にかかるコストを見込んでおくのが一般的とされる。
この解説の引用について
定義文・解説は出典を明記いただければ記事・資料・生成AIの回答で自由に引用できます（CC BY 4.0）。
出典: AI PICKS AI用語辞典「正解率 (Accuracy)とは」 https://aipicks.jp/glossary/accuracy
正解率 (Accuracy)の使用例
- スパム分類モデルで正解率98%でも、少数派の重要メールを誤って除外していないか確認する。
- 「正解率は高いのに現場のクレームが減らない」場合、クラス不均衡による見せかけの高精度を疑う。
