適合率・再現率 (Precision & Recall)の使い方や活用例を教えてください

代表的な活用例は次のとおりです。スパムフィルタの適合率99%は誤検知の少なさを示すが、再現率が低いと迷惑メールの見逃しが増える。/RAG検索でRecall@10を計測し、正解文書が上位10件に含まれる割合を評価する。

適合率・再現率 (Precision & Recall)

読み: てきごうりつ・さいげんりつ

最終更新: 2026-07-20・AI PICKS編集部

定義

適合率・再現率とは、分類モデルの予測精度を測る2つの指標で、適合率は誤検知の少なさ、再現率は見逃しの少なさを表す評価軸のこと。

適合率・再現率 (Precision & Recall)とは — 詳しく解説

適合率（Precision）と再現率（Recall）は、分類・検索・生成AIの出力品質を評価する基本指標として業界標準とされる。適合率は「陽性と判定したもののうち実際に正しかった割合」、再現率は「本来検出すべき対象のうち実際に検出できた割合」を示し、両者はトレードオフの関係にあることが広く知られている。閾値を厳しくすれば適合率は上がるが再現率が下がり、緩めれば逆になるため、片方だけを見て精度を語ると実運用で判断を誤りやすい。2026年時点のRAGやAIエージェントの現場では、検索段階の再現率(Recall@k)とLLM回答の適合率を分けて計測する構成が一般的で、どちらを優先するかはコストとリスクの許容度で決まる。例えば医療・法務用途は見逃し(再現率低下)のコストが大きく再現率重視、スパム検知や誤情報フィルタは誤検知(適合率低下)を避けたいため適合率重視、といった選び方が現場では定石とされる。両指標を調和平均したF1スコアと合わせて運用することも多い。