Accuracy

正解率は、人工知能システムの評価における基本的な指標であり、モデルが行う正しい予測の割合を、予測総数に対して定量化したものです。機械学習、特に教師あり学習の文脈では、この指標によって、トレーニングプロセス中に提供されたグラウンドトゥルースにアルゴリズムがどの程度効果的に適合しているかを大まかに把握できます。正解率は最も直感的な性能指標であり、「モデルはどのくらいの頻度で正しいのか」という単純な問いに答えるものですが、開発者がより詳細な指標を調べる前に、システムの信頼性を示す主要な指標として機能します。

性能評価の微妙な点#

正解率は優れた出発点ですが、すべてのクラスが均等に含まれている、バランスの取れたトレーニングデータに適用した場合に最も効果を発揮します。たとえば、猫と犬を区別する標準的な画像分類タスクで、データセットにそれぞれ500枚の画像が含まれている場合、正解率は信頼できる指標です。しかし、不均衡データセットでは問題が生じ、「正解率のパラドックス」につながります。

不正検出用にモデルをトレーニングし、不正な取引が全体の1%しかない場合、すべての取引を単に「正当」と予測するモデルでも99%の正解率を達成できますが、本来のタスクには完全に失敗しています。これを軽減するため、エンジニアはUltralytics Platformを使用してデータセットの分布を可視化し、モデルが多数派クラスを単に記憶していないことを確認することがよくあります。

正解率と関連用語の違い#

モデルの性能を完全に理解するには、正解率と類似する指標を区別することが重要です。

• 適合率: 正の予測の質を測定します。「正と予測されたすべての事例のうち、実際に正だったものはいくつあるか」を問う指標です。
• 再現率: 感度とも呼ばれ、関連するすべてのケースを見つけるモデルの能力を測定します。「実際に正であるすべての事例のうち、モデルが正しく特定できたものはいくつあるか」を問う指標です。
• F1スコア: 適合率と再現率の調和平均であり、両者のバランスを取った単一のスコアを提供します。クラス分布が不均一な場合に特に有用です。

正解率が正しさを全体的に捉えるのに対し、適合率と再現率は、偽陽性や偽陰性など、特定の種類の誤りに関する洞察を提供します。

実世界での利用例#

正解率はさまざまな業界で活用されており、重要な環境におけるコンピュータービジョンや予測モデルの信頼性を検証しています。

• 医療診断: 医用画像解析の分野では、モデルを使用してX線画像やMRIスキャンを分類します。スキャンを「健常」または「病変あり」に分類するモデルでは、患者が正しい診断を受けられるよう、高い正解率が求められます。ヘルスケアにおけるAIの革新は、自動化による誤りを最小限に抑えるための厳密な検証に大きく依存しています。
• 製造における品質管理: スマートマニュファクチャリングの自動システムでは、目視検査を使用して組立ライン上の欠陥を特定します。高い正解率により、欠陥のない製品だけが出荷され、廃棄物や保証コストを削減できます。物体検出によって欠陥を見つけることで、工場は生産基準を自動的に維持できます。

コードで正解率を測定する#

Pythonを使用する実際のシナリオでは、開発者は確立されたライブラリを使用してモデルの正解率を簡単に測定できます。次の例では、YOLO26の分類モデルを検証し、top-1正解率を取得する方法を示します。top-1正解率とは、モデルが最も高い確率で予測したラベルが正しいラベルと一致する頻度を指します。

from ultralytics import YOLO

# Load a pre-trained YOLO26 classification model
model = YOLO("yolo26n-cls.pt")

# Validate the model on a standard dataset (e.g., MNIST)
metrics = model.val(data="mnist")

# Print the Top-1 Accuracy
print(f"Top-1 Accuracy: {metrics.top1:.4f}")

改善のための戦略#

モデルの正解率が低い場合、性能を向上させるためにいくつかの手法を利用できます。エンジニアは、トレーニングセットの多様性を人為的に高め、モデルの過学習を防ぐために、データ拡張をよく利用します。さらに、ハイパーパラメータチューニングによって、学習率などの設定を調整すると、収束に大きな影響を与える可能性があります。複雑なタスクでは、転移学習により、モデルは大規模な事前トレーニング済みデータセット（ImageNetなど）から得た知識を活用し、より小規模で特定用途向けのデータセットにおいて高い正解率を達成できます。