真陽性 (G検定)

2026年8月12日2026年9月2日

G検定

1. 定義と概要

真陽性（True Positive、TP）とは、実際に陽性（Positive）であるデータに対して、予測モデルも陽性と判定した結果です。混同行列（Confusion Matrix。予測結果と実際の結果を陽性・陰性の組み合わせで4つに整理した表）を構成する4マスのうち、実際も予測も陽性で一致したマスにあたります。

具体例としては、がん検診で実際にがんに罹患している人を、検査でも「陽性（がんの疑いあり）」と正しく判定したケースが挙げられます。

従来、モデルの性能は正解率（全体のデータのうち、予測が実際の値と一致した割合）だけで語られることが多くありました。しかし、陽性データと陰性データの件数に偏りがある場合、例えば病気に罹患している人が全体の中で少数派である場合には、正解率だけでは評価が不十分になるという課題があります。少数派である陽性データの見逃しは、多数派である陰性データの正しい判定によって埋もれてしまい、正解率という1つの数値だけでは実態が見えにくくなるためです。

そこで、予測結果と実際の結果を「陽性か陰性か」「予測は正しかったか」の2軸で4パターンに分解して整理する混同行列が使われるようになり、その4マスの1つが真陽性です。

2. 試験対策ポイント

まず押さえておきたいのは、混同行列4マスの全体像を混同せず整理できるかという点です。4つの対応関係は次のとおりです。

用語	実際	予測	統計での対応
真陽性（TP）	陽性	陽性	ー
偽陽性（FP）	陰性	陽性	第一種の過誤
偽陰性（FN）	陽性	陰性	第二種の過誤
真陰性（TN）	陰性	陰性	ー

偽陽性は本当は陰性なのに誤って陽性と判定してしまう誤りで第一種の過誤、偽陰性は本当は陽性なのに誤って陰性と判定してしまう誤りで第二種の過誤と呼ばれます。真陽性と真陰性は、実際と予測が一致した正しい判定にあたります。

真陽性は評価指標の計算式にも共通して登場します。

指標	計算式
正解率（Accuracy）	（TP+TN）÷（TP+TN+FP+FN）
適合率（Precision）	TP÷（TP+FP）
再現率（Recall）	TP÷（TP+FN）
F値（F1スコア）	適合率と再現率の調和平均

適合率は陽性と予測したデータのうち実際に陽性だった割合、再現率は実際に陽性だったデータのうち正しく陽性と予測できた割合を示します。F値は適合率と再現率のバランスを1つの数値にまとめた指標で、いずれの式にもTPが基礎要素として組み込まれています。

「真陽性」の『陽性』という語は、「予測が正しい」という意味だと誤解されやすい表現です。陽性・陰性はあくまで該当あり・なしを表す値のラベルであり、真陽性は「実際の値」と「予測の値」がともに陽性で一致したケースを指します。正誤そのものを表す語ではないという点は、取り違えやすい典型です。

3. 関連概念との比較・相違点

偽陽性（FP）との最大の違いは、実際の値が陽性か陰性かという点にあります。真陽性は予測が陽性で実際も陽性のため予測が的中したケースであるのに対し、偽陽性は予測こそ陽性であるものの実際は陰性で、誤って陽性と判定してしまったケースです。

例えば、がん検診で実際には健康な人を誤って陽性と判定してしまうと、本来不要だった精密検査を受ける負担が生じるため、偽陽性は現場でも無視できないコストとして扱われます。

真陰性（TN）との関係は、どちらも予測が実際の値と一致した正解ケースという点で対称になっています。真陽性が陽性同士の一致であるのに対し、真陰性は陰性同士の一致にあたり、混同行列の中で対をなす関係にあります。正解率の分子はTPとTNの合計で構成されており、真陽性と真陰性はともにこの分子を積み上げる正解ケースという共通点を持ちます。

4. ビジネス・実務での活用シナリオ

医療診断の現場では、がん検診で実際に罹患している人を検査で正しく陽性と判定するケースが真陽性にあたります。真陽性の件数が多いほど病気の見逃し、つまり偽陰性を防げていることを意味し、検査精度を評価する軸として使われています。真陽性の件数と偽陰性の件数を足すと実際の罹患者数と一致するため、両者はセットで検討される評価軸になっています。

迷惑メールフィルタでは、実際に迷惑メールであるメールをフィルタが正しく迷惑メールと判定するケースが真陽性です。真陽性の割合が高いほど、不要なメールを的確に排除できていることを示します。

クレジットカードなどの不正利用検知では、実際に不正利用である取引をシステムが正しく不正と検知するケースが真陽性にあたります。真陽性の件数が少ないと不正の見逃し、すなわち偽陰性につながるため、実務では真陽性を増やす再現率の改善が重視されています。

5. 要点まとめ

真陽性（TP）とは、実際に陽性であるデータをモデルも正しく陽性と予測した結果で、混同行列4マスの1つです。
正解率・適合率・再現率・F値はいずれもTPを含む計算式で成り立ち、偽陽性（FP）＝第一種の過誤・偽陰性（FN）＝第二種の過誤とあわせて4マスの対応関係が要点です。
医療診断・迷惑メール検知・不正検知など、実務では真陽性の件数や割合がモデルの実用性を左右する評価軸になります。