② 機械学習の概要 ／ 10. モデルの選択・評価
偽陽性・偽陰性とは
偽陽性（FP）とは実際は陰性なのに陽性と判定する誤り、偽陰性（FN）とは実際は陽性なのに陰性と判定する誤りです。どちらの誤りをより避けたいかという観点が実務でも試験でも重要になります。
この用語はG検定シラバスの「10. モデルの選択・評価」に含まれます。 章全体の用語は用語解説②（全62語）にまとまっています。
一言でいうと
FPは「陰性なのに陽性と誤った」、FNは「陽性なのに陰性と見逃した」誤りです。
2つの誤りの違い
- FP（偽陽性）：陰性を陽性と誤る。誤検出・空振りにあたる
- FN（偽陰性）：陽性を陰性と誤る。見逃しにあたる
1文字目のF（False）は判定が外れたこと、2文字目が判定した内容を表します。FNは「陰性と判定して外れた」ので本当は陽性だったのに見逃したと読めます。
どちらを重視するかは目的次第
異常検知や重大な事象の検出では、見逃し（FN）を減らすことが優先されがちです。一方、誤検出（FP）が多いと確認作業の負担が増えます。
この2つはトレードオフの関係にあり、判定のしきい値を動かすと一方が減って他方が増えます。FNを減らす指標が再現率、FPを減らす指標が適合率にあたります。
しきい値を動かすとどうなるか
陽性と判定する基準（しきい値）を下げると、陽性と判定されるものが増えます。その結果——
- 見逃し（FN）は減る＝再現率が上がる
- 誤検出（FP）は増える＝適合率が下がる
この関係を可視化したものがROC曲線です。どちらの誤りを許容するかは技術ではなく目的で決まるという点が重要です。
混同しやすい用語との違い
| 用語 | ポイント |
|---|---|
| FP（偽陽性） | 実際は陰性なのに陽性と判定（誤検出） |
| FN（偽陰性） | 実際は陽性なのに陰性と判定（見逃し） |
🎯 G検定での押さえどころ
- FP＝誤検出、FN＝見逃し
- 2つはトレードオフの関係にある
- FNは再現率、FPは適合率と対応する
⚠️ よくある誤りの選択肢
- 「偽陰性とは実際は陰性なのに陽性と判定する誤りである」→ 誤り。それは偽陽性です
- 「FPとFNは同時に減らせる」→ 誤り。しきい値調整ではトレードオフの関係になります
📘 もっと深く学ぶ
- 数式レベルまで踏み込んだ解説 → 医療AIナビ「性能指標」（E資格向け）
- 手を動かして確かめる → ROC曲線・しきい値シミュレータ
関連する用語
ご利用にあたって 本ページの内容は、JDLAが公開しているG検定シラバス2024や公式テキストなど、一般に公開されている情報をもとに独自に整理・解説したものです。実際の試験の出題内容を示すものではなく、また合格を保証するものでもありません。制度・法令・試験要項は変更されることがあるため、最新の情報は必ずJDLA公式サイトでご確認ください。