混同行列 (Confusion Matrix)

混同行列 (Confusion Matrix)とは — 詳しく解説

混同行列(Confusion Matrix)は、分類モデルの予測ラベルと実際の正解ラベルを行列形式で突き合わせ、真陽性(TP)・偽陽性(FP)・真陰性(TN)・偽陰性(FN)の件数を可視化する評価手法とされる。適合率(Precision)・再現率(Recall)・F1スコアの計算基盤となり、単一の正解率(Accuracy)だけでは見えないクラス間の偏りを把握できる点が特徴とされる。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、コンテンツモデレーション、異常検知など)の精度検証にも応用され、LLMベースの分類器を評価する現場でも定着してきたとされる。落とし穴としては、クラス不均衡なデータで正解率だけを見ると高スコアに見えても、少数クラスの偽陰性が埋もれてしまう点が挙げられる。現場でモデルを選ぶ際は、再現率と適合率のどちらを優先するか(見逃し重視か誤検知重視か)をユースケースごとに決める必要があるとされる。継続的な評価運用では、ラベル付きテストデータの整備や再評価の頻度がコスト面で意識され、相場感としては小規模チームでも月次程度の再検証が一般的とされる。

混同行列 (Confusion Matrix)に関連するAIツール

H2O.ai

3.08フリーミアム

Claude Code

2.49フリーミアム

Codex CLI

2.10フリーミアム

Kimi K2.7 Code

2.65無料

関連用語

「評価指標」の他の用語