# 機械学習の測定
<a name="machine-learning-terminology"></a>

機械学習変換の調整に使用する測定を理解するには、以下の用語を理解しておく必要があります。

**真陽性 (TP)**  
変換が正しく検出したデータ内の一致。*ヒット*とも呼ばれます。

**真陰性 (TN)**  
変換が正しく拒否したデータ内の不一致。

**偽陽性 (FP)**  
変換が誤って一致として分類したデータ内の不一致。*誤警告*とも呼ばれます。

**偽陰性 (FN)**  
変換が検出しなかったデータ内の一致。 *ミス*とも呼ばれます。

機械学習で使用される用語の詳細については、Wikipedia の「[混同行列](https://en.wikipedia.org/wiki/Confusion_matrix)」を参照してください。

機械学習変換を調整するには、変換の [**詳細プロパティ**] で以下の測定値を変更できます。
+ **適合率**は、変換で要請と判定されたレコードの総数 (真陽性と偽陽性) のうち、どの程度真陽性を検出するかの尺度です。詳細については、Wikipedia の「 [適合率と再現率](https://en.wikipedia.org/wiki/Precision_and_recall)」を参照してください。
+ **再現率**は、変換がソースデータのレコード総数から真陽性を見つける割合を測定します。詳細については、Wikipedia の「 [適合率と再現率](https://en.wikipedia.org/wiki/Precision_and_recall)」を参照してください。
+ **精度**は、変換が真陽性と真陰性を見つける割合を測定します。精度を高めるには、マシンリソースとコストを増やす必要があります。ただし、再現率も高くなります。詳細については、Wikipedia の「[適合率と再現率](https://en.wikipedia.org/wiki/Accuracy_and_precision#In_information_systems)」を参照してください。
+ **コスト**は、変換を実行するために消費されるコンピューティングリソースの数およびそれに伴う金額を測定します。