戦略的データサイエンス入門 ―ビジネスに活かすコンセプトとテクニック

205

205

7.1　分類器の評価

に使っている陽性・陰性の意味とは異なるからです。例えば不法行為が起こったことを陽性

とし、逆に適法な行為が起こったことを陰性とすることがありますが、これはなぜでしょう

か。このような言葉の使い方はさまざまな分野でよく使われていて、機械学習やデータマイ

ニングの分野でも使われています。この本でも「陽性」と「陰性」をこのような意味で使っ

ていきます。無用な混乱を避けるため、ここで一度こうした言葉の使い方についてもう少し

説明しておきましょう。

　なぜ「陽性」と「陰性」の意味をこのように捉えるかというと、陽性のインスタンスを注

目すべき（警戒すべき）対象と捉え、陰性のインスタンスを興味のない（無害な）ものと捉

えたいからです。このように考えると、これらの言葉の意味を理解しやすいでしょう。例え

ば、ある医療検査（これ自体も一種の分類器と見なせます）では、患者から採取した細胞の

特徴を検査して、病気やその疑いを見つけようとします。このとき、テスト結果が陽性であ

るということは、つまり病気であることを意味します。反対にテスト結果が陰性であれば、

健康に問題はなく、治療の必要はないことを意味します。また同じような例として、不正行

為を発見するシステムが挙げられます。このシステムにおいては、口座上の異常な取引を検

知してシステムが警報を発すれば、それは陽性ということです。反対に陰性の場合（つまり

口座において合法的な取引だけが行われている場合）は望ましい状態ですが、不正行為発見

システムからすれば特に関心を払う必要のないことです。 ...