精密

精度は、機械学習（ML）や統計学における基本的な評価指標であり、正の予測の精度を測定する。具体的には、次の質問に答えます：「モデルが特定のクラスに対して行ったすべての予測のうち、いくつが実際に正しかったか？これはモデルの信頼性の重要な指標であり、特に偽陽性のコストが高いタスクでは重要である。精度は，真陽性と偽陽性の合計に対する真陽性の比率として計算される．

精度が重要な理由

高い精度は、誤警報や誤った正識別が重大な悪影響をもたらす可能性のあるアプリケーションにおいて不可欠である。偽陽性を最小化することに注力することで、開発者はより信頼性の高い効率的なAIシステムを構築することができる。誤検出を最小限に抑えることに注力することで、開発者はより信頼性が高く効率的なAIシステムを構築することができる。

この2つの実例を考えてみよう：

1. 医療診断： 医療画像解析において、腫瘍検出用に設計されたモデルは高い精度を持たなければならない。誤検出（健康な組織を誤って腫瘍と識別すること）は、不必要で侵襲的な処置につながり、患者に大きな苦痛と経済的コストをもたらす可能性があります。精度を優先させることで、モデルが腫瘍の可能性を示したとき、それが正しい可能性が高いことが保証される。ヘルスケアにおけるAIの役割については、こちらをご覧ください。
2. 工業品質管理： 製造業では、Ultralytics YOLOのようなコンピュータビジョンモデルが、組立ライン上の製品の欠陥を検出するために使用されています。高精度のモデルによって、本当に欠陥のあるものだけにフラグが立てられ、取り除かれます。精度の低いモデルは誤検出を引き起こし、良品を不必要に不合格にすることになり、廃棄物と生産コストを増加させる。品質検査手法の概要は、この必要性を浮き彫りにしている。

精度とその他の指標

Precisionはトレードオフの関係にあることが多いため、他の一般的な指標との関連で理解することが重要です。

• リコール（感度）:Precisionが正の予測の正しさに焦点を当てるのに対して、Recallは実際のすべての正のインスタンスを見つけるモデルの能力を測定します。多くの場合、PrecisionとRecallはトレードオフの関係にあり、一方を向上させるともう一方が低下する可能性があります。両者のバランスは、Precision-Recall曲線を用いて可視化することができる。
• 精度:精度は、行われたすべての予測のうち、全体として正しい予測（正と負の両方）の数を測定する。一方のクラスが他方を大きく上回っているような不均衡なデータセットでは、この指標は誤解を招く可能性があります。例えば、モデルは常に多数クラスを予測することで99%の精度を達成することができますが、少数クラスに対する精度は最悪です。
• F1-スコア:F1-ScoreはPrecisionとRecallの調和平均であり、両方のバランスをとる単一の指標を提供する。偽陽性と偽陰性を最小化する最適なブレンドを見つける必要がある場合に便利です。
• 自信のスコア:信頼度スコアは個々の予測に対する出力であり、その特定の予測の正しさに対するモデルの信念を表します。一方、精度は、データセット全体にわたるモデルのパフォーマンスを評価する集約的な指標です。よく較正されたモデルの信頼度スコアは、その精度と一致するはずです。

ウルトラリティクスYOLOモデルの精度

コンピュータビジョン（CV）の文脈、特にUltralytics YOLOのような物体検出モデルにおいて、精度は重要な性能指標である。これは、検出されたバウンディングボックスのうちいくつが正しく物体を識別しているかを測定します。

• 評価：プレシジョンは通常、リコールや平均平均プレシジョン（mAP）のようなメトリクスとともに評価されます。YOLOパフォーマンス・メトリクス・ガイドに詳細な説明があります。
• モデルのチューニング：精度を理解することは、開発者がYOLO11のようなモデルを特定の用途に合わせて微調整するのに役立つ。例えば、セキュリティシステムでは、誤報を避けるために高精度が好まれるかもしれません。このチューニングは、注意深くハイパーパラメータをチューニングすることによって管理することができます。
• Ultralytics HUB: Ultralytics HUBのようなプラットフォームを使用すると、ユーザーは簡単にトレーニング、検証、モデル性能の監視を行うことができ、開発ライフサイクルを通じて精度やその他の重要な指標を追跡することができます。これはモデルの評価と微調整に役立ちます。Ultralyticsのモデル比較ページなどのリソースを使用して、精度を含むさまざまなモデルのパフォーマンスを比較することができます。Ultralytics YOLO11 Enterpriseモデルは、商用アプリケーションでより高精度に最適化されることがよくあります。

精度を最適化することで、開発者は、特に誤検出を最小限に抑えることが最も重要な場合に、より信頼性の高い、信頼できるAIシステムを構築することができます。このようなシステムの構築については、コンピュータビジョンプロジェクトのステップに関するガイドをご覧ください。