定義
MAPとは、検索や推薦システムのランキング精度を、上位から見た適合率の平均で数値化する評価指標のこと。
MAP (平均適合率)とは（詳しく解説）
MAPは、検索エンジンや推薦システム、物体検出モデルなどでランキングの質を測る評価指標として業界標準とされる。各クエリについて関連アイテムが出現するたびの適合率(Precision)を計算し、その平均(Average Precision)を求め、さらに全クエリで平均したものがMAPで、0から1の値で高いほど精度が高いとされる。単純な正解率と異なり、上位に関連アイテムをどれだけ集められたかを重視するため、検索結果や推薦リストの並び順の良し悪しを評価しやすいとされる。ただし2026年時点の実運用では、関連度ラベルの付け方(バイナリか段階評価か)によって数値が大きく変動する点や、評価対象のクエリ数が少ないと指標が不安定になる点が落とし穴として挙げられる。また評価データセットの構築や継続的なアノテーションにはコストがかかるため、現場ではNDCGやRecall@kなど他の指標と併用し、相場感として複数指標を組み合わせて総合判断する運用が広く採用されている。
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「MAP (平均適合率)とは」 https://aipicks.jp/glossary/mean-average-precision
MAP (平均適合率)の使用例
- 画像検索AIの評価で、クエリごとの適合率を計算しMAPを算出して精度を比較する。
- レコメンドエンジンのA/Bテストで、新アルゴリズムのMAPが旧版を上回るかを検証する。
