真陽性率（TPR）とは、機械学習の評価指標の一つで、実際に陽性であるデータのうち、モデルが正しく陽性と予測できた割合を示すものです。別名「再現率」や「感度」とも呼ばれます。がん診断や不正検知など、見落としが重大な損失に繋がるシステムにおいて、モデルの検出能力を測るための極めて重要な基準となります。
真陽性率とは
真陽性率（True Positive Rate）とは、二値分類モデルの評価において、実際に陽性（ポジティブ）であるデータのうち、モデルが正しく「陽性」と予測できたデータの割合を示す指標です。
詳しく解説
機械学習における二値分類問題では、モデルの予測結果と実際の正解をクロス集計した「混同行列」を用いて予測精度を評価します。真陽性率は、実際に陽性である全データ（真陽性と偽陰性の総和）に対して、モデルが正しく陽性と判定したデータ（真陽性）の割合として算出されます。この指標は、文脈に応じて「再現率」や「感度」とも呼ばれます。見落としを防ぐことが最優先されるタスク、例えば医療画像の診断支援、クレジットカードの不正決済検知、工場の欠陥品検出などの分野で、モデルの性能を測定する核となる評価基準です。
具体例・使われ方
例えば、実際にがんを発症している患者100人の検査データをAIが判定するケースを想定します。AIがそのうち95人を正しく「がん（陽性）」と診断できた場合、真陽性率は95%（0.95）になります。残りの5人は「がんでない（陰性）」と見落とされたことになり、この検出漏れの少なさを評価するのが真陽性率です。
似た用語との違い
混同されやすい指標に「偽陽性率」があります。真陽性率が「実際の陽性データのうち、正しく陽性と判定できた割合」であるのに対し、偽陽性率は「実際の陰性データのうち、誤って陽性と判定してしまった割合」を表します。また、「陽性と予測したデータのうち、本当に陽性だった割合」を示す適合率（Precision）とも混同しやすいため注意が必要です。
注意点
真陽性率の値を100%（見落としゼロ）に近づけることは可能ですが、モデルの判定基準を甘くして「すべてを陽性と予測する」ように極端に調整すると、実際は陰性であるデータに対しても誤って陽性と予測してしまう問題が生じます。この真陽性率と偽陽性率のトレードオフを視覚化し、最適な基準点を決めるために「ROC曲線」などの手法が併せて用いられます。