② 機械学習の概要 ／ 10. モデルの選択・評価
真陽性・真陰性とは
真陽性（TP）とは正しく陽性と判定したケース、真陰性（TN）とは正しく陰性と判定したケースです。いずれも判定が当たっている場合で、分類性能指標の基礎要素になります。
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
TPは「陽性を正しく陽性と当てた」、TNは「陰性を正しく陰性と当てた」ケースです。
用語の読み方
1文字目のT（True）は判定が当たったことを表します。2文字目が何と判定したかです。
- TP（真陽性）：実際に陽性のものを、正しく陽性と判定した
- TN（真陰性）：実際に陰性のものを、正しく陰性と判定した
この2つを足したものが正解した件数であり、正解率の分子になります。
誤りのケースとの対応
1文字目がF（False）になると誤りを表し、偽陽性（FP）・偽陰性（FN）になります。4つ合わせて混同行列を構成します。
4つの関係を整理する
4つの要素は、次の関係でつながっています。
- 実際に陽性の件数＝ TP ＋ FN
- 実際に陰性の件数＝ TN ＋ FP
- 陽性と予測した件数＝ TP ＋ FP
- 全体＝ TP ＋ FP ＋ TN ＋ FN
この対応が分かっていれば、適合率と再現率の分母の違いも自然に理解できます。
🎯 G検定での押さえどころ
- T＝判定が当たった、2文字目＝判定した内容
- TP＋TNが正解した件数（正解率の分子）
- FP・FNと合わせて混同行列を構成する
⚠️ よくある誤りの選択肢
- 「真陽性とは実際は陰性なのに陽性と判定したケースである」→ 誤り。それは偽陽性（FP）です
📘 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）
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。