真陽性（True Positive）とは、二値分類モデルなどの評価において、実際に「陽性（正）」である対象をモデルが正しく「陽性」と判定できた状態のことです。例えば、病気の検査において、実際に罹患している患者に対して正しく「陽性」の判定を下せた場合がこれに該当し、モデルの分類精度や再現率（感度）などを測るための極めて重要な基礎指標となります。
真陽性とは
真陽性（True Positive）とは、機械学習の二値分類や予測において、実際にポジティブ（陽性・正）であるデータに対して、モデルが正しくポジティブ（陽性・正）と予測・判定できた状態、またはその件数のことです。
詳しく解説
二値分類問題において、モデルの予測結果と実際の正解（ラベル）の組み合わせを整理するために「混同行列」が用いられます。この混同行列において、真陽性は予測が「陽性（Positive）」かつ実際のデータも「陽性（True）」であるセルを指します。真陽性の数は、モデルがどれだけ見落としなくターゲットを検出できているかを評価する「再現率（感度）」や、陽性と予測したもののうち実際に陽性であった割合を示す「適合率（精度）」、およびこれらを統合した「F値」といった主要な評価指標を計算する際の不可欠な基礎データとなります。
具体例・使われ方
医療診断AIにおいて、実際にがんを罹患している患者の検査画像に対して、AIが「がんである（陽性）」と正しく判定した場合が真陽性です。また、スパムメール検知システムにおいて、実際に配信されたスパムメールを「スパム（陽性）」と正しく分類してブロックした状態も真陽性に該当します。
似た用語との違い
真陽性と混同されやすい概念として「偽陽性」「真陰性」「偽陰性」があります。「偽陽性（False Positive）」は実際には陰性（負）なのに誤って陽性と予測された状態で、「真陰性（True Negative）」は実際に陰性のものを正しく陰性と予測できた状態、「偽陰性（False Negative）」は実際には陽性なのに誤って陰性と予測（見落とし）された状態を指します。「真」は予測が的中したことを意味し、「陽性」はモデルがポジティブと判断したことを意味するため、これらを組み合わせることで区別できます。
注意点
真陽性の数値（件数）が多いからといって、必ずしも優れたモデルであるとは限りません。例えば、データセット全体に対して無条件にすべて「陽性」と出力する極端なモデルを作った場合、実際の陽性をすべてカバーできるため真陽性の数は最大化されますが、同時に多くの偽陽性（誤検知）を発生させてしまいます。したがって、真陽性の数単体でモデルの性能を評価するのではなく、偽陽性や偽陰性とのバランスを考慮した評価指標を用いることが極めて重要です。