特異度とは、二値分類モデルにおいて「実際に陰性であるデータのうち、誤らずに陰性と予測できた割合」を表す評価指標です。スパムメール検知や医療診断など、誤って陽性と判定する偽陽性を最小限に抑えたい場面で重視されます。モデルの正確性を評価するために、感度などの他の指標と組み合わせて活用されます。
特異度とは
特異度とは、機械学習や統計学の二値分類において「実際に陰性であるデータのうち、正しく陰性と予測できた割合」を示す評価指標です。
詳しく解説
二値分類モデルの性能を評価する際、正解率だけではデータの偏りを正しく捉えられない場合があります。特異度は、陰性（負例）のデータに対する予測の正確さを表します。計算式は「真陰性数 ÷ (真陰性数 + 偽陽性数)」であり、誤って陽性と判定する偽陽性をどれだけ抑えられているかを測る上で重要な評価指標となります。混同行列を用いることで、感度や適合率といった他の指標とともにモデルの特性を多角的に分析できます。
具体例・使われ方
例えば、スパムメールの検知モデルにおいて、正常なメール（陰性）を誤ってスパム（陽性）と分類しない性能を評価する際に特異度が活用されます。また、医療診断において健康な人（陰性）を誤って病気（陽性）と診断しない確率を測定する際にも重要視されます。
似た用語との違い
特異度が「陰性のうち正しく陰性と判定された割合」を表すのに対し、感度は「陽性のうち正しく陽性と判定された割合」を表します。また、適合率は「陽性と予測したうち実際に陽性だった割合」を示します。偽陽性を避けたい場合は特異度や適合率が重視され、見落とし（偽陰性）を避けたい場合は感度が重視されます。
注意点
データセット内で陽性と陰性の割合が極端に偏っている不均衡データの場合、特異度単体ではモデル全体の性能を適切に評価できないことがあります。そのため、特異度だけでなく感度やF値などの複数の評価指標を組み合わせて総合的に判断することが重要です。