事前確率とは、新しいデータや証拠（観測データ）を得る前に、ある事象が起こる確率や仮説が正しいと信じられる確率のことです。ベイズ統計学における基本概念の一つであり、過去の経験や主観的な知識に基づいて設定されます。機械学習の分類問題や、ベイジアンフィルタによるスパム判定など、様々なAI技術の基礎として活用されています。
事前確率とは
事前確率（Prior Probability）とは、新しいデータや証拠を観測する前に、あらかじめ見積もられている事象の発生確率や仮説の尤もらしさ（確信度）のことです。
詳しく解説
事前確率は、ベイズの定理を基盤とするベイズ統計学において中心的な役割を果たします。何か新しい出来事やデータ（証拠）が観測されると、この事前確率は「事後確率」へと更新されます。AIや機械学習の分野において、事前確率は「モデルが予測を行う前の初期状態の知識」を表現するために用いられます。例えば、事前確率を適切に設定することで、データが少ない状態でも一定の予測精度を維持したり、過去のドメイン知識をモデルに反映させたりすることが可能になります。事前確率の割り当てには、過去の統計データを利用する客観的な方法と、専門家の経験や勘に基づく主観的な方法があります。
具体例・使われ方
具体的な例として、メールがスパム（迷惑メール）であるかどうかを判定する「ベイジアンフィルタ」が挙げられます。このシステムでは、新しいメールを受信する前に、過去の配信実績から「受信するメール全体のうち、スパムメールが占める割合」を事前確率として設定します。例えば、全メールの60%がスパムである場合、事前確率は0.6となります。その後、メール本文に特定のキーワード（「広告」や「無料」など）が含まれているという「証拠」を考慮し、そのメールが実際にスパムである確率（事後確率）を計算します。
似た用語との違い
混同されやすい概念に「事後確率」と「尤度（ゆうど）」があります。事前確率が「データを観測する前の確率」であるのに対し、事後確率は「データを観測した後に、ベイズの定理を用いて更新された確率」を指します。また、尤度は「ある仮説が正しいと仮定したときに、手元にあるデータが観測される確率」であり、事前確率とは方向性が異なります。これら「事前確率」「尤度」「事後確率」の関係は、ベイズの定理によって数式的に結びつけられています。
注意点
事前確率を設定する際、主観的な判断に頼りすぎると客観的な分析を歪める危険性があります。全く情報がない状態では「どの事象も均等に起こる」とする一様分布（理由不十分の原理）を仮定することが多いですが、これが常に現実を正しく反映するとは限りません。誤った事前確率を設定すると、十分なデータが集まるまでモデルの予測精度が著しく低下する可能性があるため、適切な設計と評価が求められます。