🔖 キーワード索引

別名・略称：再現率、 感度、 Sensitivity、 真陽性率、 TPR

Recall は 実際の陽性のうち正しく陽性と予測できた割合。 見逃しを最小化したい場面（がん検診・地震警報）で最重要。

🎨 直感で掴む

📐 定義 / 数式

📐 Recall に関する重要な不等式と性質

Recall の解析には、 統計的に成り立ついくつかの不等式が役立つ。

不等式 1: F1 と Recall の関係

$$F_1 \leq \min(\mathrm{Precision}, \mathrm{Recall}) \leq \frac{2 \cdot \mathrm{Precision} \cdot \mathrm{Recall}}{\mathrm{Precision} + \mathrm{Recall}} \cdot \frac{1}{\sqrt{\mathrm{Precision} \cdot \mathrm{Recall}}/(\sqrt{\mathrm{Precision}} \cdot \sqrt{\mathrm{Recall}})}$$

F1 は調和平均なので、 算術平均 \((P+R)/2\) より常に小さい。 Recall を上げても Precision が同じ比率で下がれば F1 は変わらない、 という性質が読み取れる。

不等式 2: マルチクラスの macro / micro 関係

$$\mathrm{micro\text{-}Recall} = \mathrm{Accuracy} \quad \text{(マルチクラス全クラスが対称な場合)}$$

micro 集約は全クラスの TP, FN を合計してから比率を取るため、 結果的に Accuracy と一致する（マルチラベルでは異なる）。 一方 macro は各クラス Recall の単純平均なので、 少数クラスの低 Recall がそのまま全体を引き下げる。 不均衡データでは macro-Recall の方が「公平な評価」となる。

不等式 3: Recall と AUROC の関係

AUROC は Recall を FPR で積分した値であり、 「ランダムに選んだ陽性サンプルの予測確率が、 ランダムな陰性サンプルより高い確率」と解釈できる。 そのため：

$$\mathrm{AUROC} = P(\hat p(x_+) > \hat p(x_-)) = \int_0^1 \mathrm{Recall}(\mathrm{FPR}) \, d\mathrm{FPR}$$

AUROC は閾値に依存しない総合評価指標。 ただし「Recall 0.99 のときの Precision」のような具体運用点での性能は AUROC からは読み取れない。 PR 曲線が必要。

🔍 Recall を間違って解釈する 7 つのよくある誤解

1. 誤解 1: Recall が高いほどモデルが「優秀」 — Recall = 1 は全件陽性予測で達成可能。 単独評価は無意味。 必ず Precision / F1 / AUPRC を併記する。
2. 誤解 2: Recall = 1.0 で完璧 — テストデータでの Recall = 1.0 でも、 サンプル数が少ない (n_+ = 5 など) と 95% CI は 0.48 まで広がる。 統計的に「完璧」とは言えない。
3. 誤解 3: マクロ Recall とマイクロ Recall は同じ — マルチクラス分類では大きく異なる。 不均衡データでは macro が公平、 micro は多数派クラスに引っ張られる。
4. 誤解 4: Recall は閾値だけで操作できる — モデル自体が陽性を見つけられないと、 閾値を 0 にしても Recall は上がりきらない。 特徴量・モデルアーキテクチャから見直す必要がある場合がある。
5. 誤解 5: Recall は学習データの分布に依存しない — 学習データで陽性が 1% しかなければ、 モデルは陽性を「めったに起こらないこと」として学習し、 Recall は構造的に低くなる。 SMOTE / ADASYN / class_weight などのテクニックが必要。
6. 誤解 6: バリデーションの Recall = 本番の Recall — データドリフト（季節性、 行動変化、 新規ユーザ流入）で、 評価時と同じ閾値のまま本番の Recall が下がることがある。 監視 + 定期再学習が必須。
7. 誤解 7: Recall を上げれば Precision は必ず下がる — トレードオフは正しいが、 モデルそのものの性能 (AUROC や AUPRC) が上がれば、 同じ Recall で Precision も上がる。 「PR 曲線を上方に押し上げる」のが本質的な改善。

🧪 SSDSE-B-2026 を用いた Recall 追加実験 (4 ケース)

本ページ前段では「人口 500 万超」を陽性、 「新規求職申込件数（一般）10 万件超」を予測陽性として Recall = 0.889 を得た。 ここでは異なる閾値・タスク設計で Recall がどう変化するかを 4 ケース比較する。

実験 1: 閾値変動による Recall 推移

このコードでやること：「真の陽性 = 人口 ≥ X 万人」「予測 = 新規求職申込件数 ≥ Y 件」の組み合わせで Recall がどう動くかを格子探索する。

📥 入力データ（SSDSE-B-2026、 2023 年度、 新規求職申込件数の多い順）:

📤 実行例（Recall の表）：

💬 行は「真の陽性の厳しさ」、 列は「予測の厳しさ」。 予測の閾値を 75,000 件以下にすればどの行でも Recall 1.0 だが、 100,000 件に上げると千葉県（97,244 件）が落ちて人口 400 万・500 万の行は 0.889 になる。 人口 300 万の行（陽性 10 県）では 100,000 件で 0.800、 125,000 件で 0.600 と下がり方が大きい。 陽性の定義を広げるほど、 新規求職が少ない中規模県が陽性に入って取りこぼしやすくなる。

実験 2: macro vs micro Recall — 3 群分類

このコードでやること：47 県を人口で「小規模（200 万未満）/ 中規模（200〜600 万）/ 大規模（600 万以上）」の 3 クラスに分け、 新規求職申込件数による簡易ルールで予測したときの macro と micro の Recall を比較する。

📤 実行例：

💬 クラス別の Recall は小規模 0.677・中規模 0.800・大規模 0.833。 macro Recall 0.770 はこの 3 つの単純平均で、 micro Recall 0.723 は 47 県全体の正解率（34 県正解）に等しい。 県数の多い小規模クラス（31 県）の Recall が最も低いので、 件数で重みを付ける micro・weighted の方が macro より低く出ている。 少数クラスが弱いときは逆に macro の方が低くなる。

実験 3: ブートストラップによる Recall の 95% CI

このコードでやること：47 県データから 1000 回ブートストラップサンプリングし、 Recall（人口 500 万超を新規求職 10 万件超で当てるルール）の信頼区間を求める。

📤 実行例：

💬 点推定の Recall は 0.889 だが、 95% CI は [0.600, 1.000] と広い。 陽性が 9 県しかないので、 再標本で千葉県が 2 回・3 回と選ばれると Recall は大きく下がり、 1 回も選ばれなければ 1.0 になる。 陽性件数が少ないときに点推定だけを報告するのは過信で、 CI を併記する。

実験 4: ROC 曲線上での Recall-FPR トレードオフ

このコードでやること：新規求職申込件数（一般）を連続スコアとして使い、 閾値を変動させたときの Recall（TPR）と FPR の推移を一覧化する。

📤 実行例（大きい閾値から 13 行）：

💬 閾値を 97,244 件（千葉県の値）まで下げた時点で Recall が 1.000 に達し、 FPR はまだ 0.000。 つまり新規求職申込件数だけで人口 500 万超の 9 県とそれ以外が完全に分離できる。 そこから下げると静岡県（79,021 件）・宮城県（64,047 件）…と陰性の県が順に入って FPR だけが増えるので、 「Recall 1.0 を達成する最大の閾値」がこのスコアの運用点になる。

🔬 記号・式を言葉で読み解く

TP（True Positive）

陽性を陽性と予測（正解）。 Recall の分子。

FN（False Negative）

陽性を陰性と誤予測（見逃し）。 Recall を下げる要因。

TP + FN

「実際の陽性件数」全体。 分母。

感度（Sensitivity）

医療統計用語。 「病気を見つける能力」。

TPR（True Positive Rate）

機械学習用語。 Recall と同義。 ROC 曲線の縦軸。

FPR（False Positive Rate）

$FP/(FP+TN) = 1 - \text{Specificity}$。 ROC 曲線の横軸。

マクロ Recall

多クラス時、 クラスごとの Recall を平均。 不均衡クラスでも公平。

🔬 もう一度: 数式を言葉で読み解く

Recall の式 $\text{Recall} = TP/(TP+FN)$ を一語ずつ噛み砕きます。 「分子は何を数えていて」「分母は誰が母集団か」を取り違えると、 精度 (Accuracy) や適合率 (Precision) と混同します。

「陽性のうち何 % を当てたか」が本質。 「予測した中の正解率」(Precision) ではないので注意。 Recall=1 は「見逃しゼロ」、 Precision=1 は「ハズレゼロ」と覚える。

📊 Recall ファミリーの全体像

📈 Recall の拡張トピック

Recall@k（推薦システム特化）

上位 k 件推薦のうち「関連アイテム」の割合。 検索や推薦評価の事実上の標準。 例: Netflix の Top-10 推薦で Recall@10 = 0.6 は「真の好み 5 件中 3 件を上位 10 に含む」。 k を大きくすれば Recall は単調増加するため、 NDCG / MAP と併用。

Recall を意図的に上げる戦略

医療・公衆衛生における感度の慣行

がん検診ガイドラインでは Sensitivity (Recall) ≥ 90%、 望ましくは 95% 以上が要求される。 一方 Specificity (1-FPR) は 70-80% で許容、 偽陽性は精密検査で確定診断するため。 「感度を犠牲にしない閾値設計 → 続く精密検査で特異度を補う」の 2 段階設計が伝統。

Recall と倫理

グループ間 Recall 格差（例: 白人 0.95 / 黒人 0.70）は構造的差別の兆候となりうる。 Fairness-aware ML では Equalized Odds（各クラスでの TPR/FPR を揃える）として明示制約に組み込まれる。 Recall は単なる技術指標ではなく社会指標。

📜 Recall（感度）の歴史年表

🧪 SSDSE-B-2026 47 県 Recall ケーススタディ

前述の パターン 1 で Recall=0.889、 Precision=1.000 を得ました。 ここでは結果を「都道府県名レベル」で読み解きます。 SSDSE-B-2026（2023 年度）を用いて、 真の陽性（人口 500 万超）の 9 道府県と、 陰性のうち新規求職申込件数が最も多い静岡県を並べ、 予測（新規求職申込件数（一般）10 万件超）の挙動を確認します:

取りこぼしは千葉県 1 県だけで、 人口は 625.7 万人と 9 県の中で 6 番目に多いのに、 新規求職申込件数は 97,244 件と 9 県で最も少ない（人口がやや少ない兵庫県 537.0 万人は 114,139 件）。 人口規模の代わりに求職件数を使うと、 こうした「人口のわりに件数が少ない県」が取りこぼされる。 予測の線引きを 10 万件から 97,244 件以下（たとえば 9 万件）に下げると千葉県も拾えて Recall=1.0 になり、 陰性で最も多い静岡県は 79,021 件なので Precision=1.0 も保てる。 SSDSE のような小データでは 境界に位置するサンプルが結果を左右することを実感できる。

Recall の議論は「閾値」だけでなく「母集団の決め方」にも依存する。 「人口 500 万」「人口 400 万」など、 タスク設計次第で Recall の数字は劇的に変わる。 Recall を語る時はまず「何を陽性と定義しているか」を明示する習慣をつけよう。

🔄 Recall vs Precision: 12 の対立点

この 12 点を見比べると、 Recall と Precision は同じデータの違う見方であることが分かる。 一方だけ報告するのは片目で世界を見るのと同じ。 必ず両方を併記しよう。

🧯 Recall でハマる 12 個の典型エラー（実例つき）

1. 「Recall 99% です」だけで誇る — 全件陽性予測でも達成。 Precision/サポート数の併記必須。
2. クラス定義の入れ替え — sklearn のデフォルトは positive=1 だが、 タスクによって 0 が陽性のことも。 pos_label を明示せよ。
3. サンプル < 10 件で Recall を語る — 1 件ずれただけで 0.1 単位の変動。 CI が必須。
4. train/test 共通化された前処理リーク — テストデータの SMOTE 等で Recall がかさ上げ。
5. multilabel と multiclass の混同 — 評価関数のシグネチャが違う。 average 引数の意味も変わる。
6. 閾値最適化を test で行う — Recall を test で見ながら閾値を選ぶと汎化性能を過大評価。 validation で決定。
7. 逐次タスクで Recall を即値化 — オンライン学習では時系列で見るべき（移動平均など）。
8. 不均衡データに accuracy を併記 — accuracy=99% でも Recall=0% の災害的状況を見落とす。
9. cross-validation で fold が漏れる — IDのリーク（同一患者が train と test に分割される等）で Recall が異常に高くなる。
10. ベンチマークと現場のドメイン差 — 学術 SOTA Recall がそのまま現場で出ないのは普通。 ドメイン適応を。
11. 多クラスで weighted を盲信 — 多数クラスが優勢な時、 少数クラス 0% でも weighted は高い。 macro 必須。
12. 言語/方言/集団による格差を無視 — 全体 Recall=0.95 でも、 マイノリティで 0.6 のことが普通にある。 サブグループ分析を。

🎯 Recall まわりのミニ用語集（20 語）

TPR (True Positive Rate)

Recall と同義。 ROC の縦軸。

FPR (False Positive Rate)

FP/(FP+TN)。 1 - Specificity。 ROC の横軸。

Specificity (特異度)

TN/(TN+FP)。 「陰性をどれだけ陰性と当てたか」。

PPV (Positive Predictive Value)

Precision と同義。 「陽性予測が当たる確率」。

NPV (Negative Predictive Value)

TN/(TN+FN)。 「陰性予測が当たる確率」。

F1 score

Precision と Recall の調和平均。 0〜1。

F-beta score

β で Recall 重視度を調整。 β>1 で Recall 重視。

G-mean

√(Sensitivity × Specificity)。 両方バランス重視。

Balanced Accuracy

(Sensitivity + Specificity)/2。 不均衡耐性高。

MCC (Matthews Correlation)

混同行列の総合指標。 -1〜+1。 不均衡に強い。

AUROC

ROC 曲線下面積。 閾値非依存。

AUPRC

PR 曲線下面積。 不均衡データで AUROC より好まれる。

Recall@k

上位 k 件の中での Recall。 検索・推薦の標準。

MAP (Mean Average Precision)

複数クエリの AUPRC 平均。

Dice coefficient

F1 と同等の式。 セグメンテーション評価に多用。

IoU (Jaccard)

物体検出評価。 Recall とは別系統だが連動。

Coverage

推薦システムで「カタログのどれだけを推薦したか」。

Hit rate

Recall@k の別表記。 1 件でも当たれば 1。

Detection rate

物体検出/異常検知での Recall 同義語。

Sensitivity analysis

混乱注意。 上述「感度」とは別物（モデル感度の分析）。

これらの語は論文・ライブラリ・実務文書で頻繁に交換されます。 同じ概念に複数の呼び方があるのは、 医療・情報検索・機械学習・心理物理学が独立に発達した歴史の名残です。 出典分野を見て呼称の使い分けを意識すると、 異分野コミュニケーションがスムーズになります。

🌟 まとめ ── Recall を 1 行で言うと

Recall は「真の陽性のうち、 何 % を当てたか」を測る指標。 見逃しゼロが至上命題のがん検診や災害警報では Recall を 95% 以上に保つ。 一方、 全件陽性予測では Recall=1.0 になるため、 必ず Precision と併記しよう。

本ページ末で学んだ実装パターン（基本算出 → 閾値スイープ → PR 曲線 → 多クラス macro/micro/weighted → ブートストラップ CI）を SSDSE-B-2026 の他の指標で試すと、 さらに理解が深まります。 次のステップは Precision、 F1 スコア、 ROC 曲線 へ。

🔬 数式を言葉で読み解く ── Recall と Precision のトレードオフを SSDSE-B-2026 で実装

Recall を上げると Precision が下がる、 という現象は **閾値 (threshold)** を動かすときに必ず観察される。 ここでは SSDSE-B-2026 の都道府県別「高齢化率」を用いて、 「高齢化率 ≥ 30%」を陽性ラベルとした 2 値分類を題材に、 閾値を動かした時の Recall / Precision の変化を実装する。

🎯 このコードでやること

SSDSE-B-2026 の 47 都道府県を実データで読み込み、 「総人口 A1101（対数）」と「人口千人当たり出生数（A4101/A1101）」から「高齢化率（A1303/A1101）≥ 30% の県」を予測するロジスティック回帰モデル（標準化つき）を学習し、 閾値 0.1〜0.9 を 0.05 刻みでスイープして Recall / Precision / F1 を出力する。

📥 入力データ (SSDSE-B-2026 の実在列):

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39

import pandas as pd
from sklearn.linear_model import LogisticRegression
from sklearn.pipeline import make_pipeline
from sklearn.preprocessing import StandardScaler
from sklearn.metrics import recall_score, precision_score, f1_score, precision_recall_curve, auc
import numpy as np

# SSDSE-B-2026 を読み込み（先頭列 SSDSE-B-2026 が年度、 2行目の日本語ラベル行は skiprows で除外）
df = pd.read_csv('data/raw/SSDSE-B-2026.csv', skiprows=[1], encoding='cp932')
df_pref = df[df['SSDSE-B-2026'] == 2023].copy()

# 高齢化率を計算し、 30% 以上を陽性ラベルに
df_pref['aging_rate'] = df_pref['A1303'] / df_pref['A1101']  # 高齢人口 / 総人口
y = (df_pref['aging_rate'] >= 0.30).astype(int)
print(f"陽性（高齢化率 30% 以上）: {y.sum()} / {len(y)} 県")

# 特徴量: 総人口（対数）と人口千人当たり出生数。
# A1303 と A1101 をそのまま入れると、ラベルの定義式（A1303 ≥ 0.3×A1101）を直線 1 本で
# 再現できてしまい、どの閾値でも Recall = Precision = 1 になるので使わない。
X = pd.DataFrame({
    'log_pop': np.log(df_pref['A1101']),
    'birth_rate': df_pref['A4101'] / df_pref['A1101'] * 1000,
})
model = make_pipeline(StandardScaler(), LogisticRegression(max_iter=2000)).fit(X, y)
proba = model.predict_proba(X)[:, 1]

# 閾値スイープ
print(f"{'閾値':>6} | {'Recall':>7} | {'Prec':>7} | {'F1':>6}")
print("-" * 38)
for thr in np.arange(0.1, 0.91, 0.05):
    pred = (proba >= thr).astype(int)
    rec = recall_score(y, pred, zero_division=0)
    prc = precision_score(y, pred, zero_division=0)
    f1  = f1_score(y, pred, zero_division=0)
    print(f"{thr:>6.2f} | {rec:>7.3f} | {prc:>7.3f} | {f1:>6.3f}")

# PR-AUC
p, r, _ = precision_recall_curve(y, proba)
print(f"\nPR-AUC = {auc(r, p):.3f}")

📤 実行結果:

💬 結果の読み方: 2023 年度は 47 県中 35 県が高齢化率 30% 以上で、 陽性の方が多数派。 閾値 0.10 で全県を陽性にしても Precision は 0.795（35/44）あり、 ベース率 35/47 = 0.745 に近い値から始まる。 F1 は閾値 0.30〜0.55 で最大の 0.959（Recall 1.000・Precision 0.921）で、 0.85 まで上げると Precision は 1.000 になる代わりに Recall が 0.800（35 県中 7 県を見逃し）に落ちる。 PR-AUC=0.985 は学習に使った 47 県でそのまま評価した値なので楽観的で、 未知データでの性能は交差検証で確かめる必要がある。 なお A1303 と A1101 をそのまま特徴量に入れると、 ラベルの定義式を直線 1 本で再現できてしまい、 どの閾値でも Recall = Precision = 1 になってトレードオフが見えなくなる。

📐 閾値最適化の数学

$$\text{Recall}(\tau) = \frac{|\{i: p_i \geq \tau \land y_i = 1\}|}{|\{i: y_i = 1\}|}, \quad \text{Precision}(\tau) = \frac{|\{i: p_i \geq \tau \land y_i = 1\}|}{|\{i: p_i \geq \tau\}|}$$ 閾値 $\tau$ を下げると分母 (左辺)・分子は単調に変化するため、 Recall は単調非減少、 Precision は概ね単調非増加となる。 PR 曲線下面積 (PR-AUC) は閾値に依存しない要約指標。

⚠️ Recall 重視運用での落とし穴

• 陽性数が少ない時の不安定性: 47 県中、 高齢化率 ≥ 30% は 35 件（2023 年度）で、 Recall は 1/35 ≈ 2.9% 刻みでしかジャンプしない（陽性が 20 件なら 5% 刻み）。 ブートストラップ法で 95% CI を併記すべき。
• 閾値 0 の罠: 全件陽性予測すれば Recall=1.0 になるが、 Precision はベース率に張り付く。 Recall 単独評価は禁忌。
• クラス不均衡で PR-AUC を優先: ROC-AUC は陰性多数のときに楽観的に見えがち。 PR-AUC の方が Recall 重視運用での性能を反映する。

🧭 Recall を支える理論的背景の徹底解説

Recall は単なる比率ではなく、信号検出理論 (Signal Detection Theory, SDT)、意思決定理論、ベイズ統計の交点に位置する概念である。 ここでは Recall を「式の暗記」から「式の意味の理解」へ深めるための背景知識を整理する。

1. 信号検出理論 (SDT) からの Recall

第二次世界大戦中のレーダー研究で生まれた SDT では、 観測値 (信号 + 雑音 / 雑音のみ) を閾値 \(c\) で 2 分類する。 真の信号分布 \(f_1(x)\) と雑音分布 \(f_0(x)\) があるとき、 Recall (= ヒット率 = 感度) は次式で表される：

$$\mathrm{Recall} = \int_{c}^{\infty} f_1(x) \, dx$$

これは「信号の確率密度を閾値より右側で積分した値」であり、 閾値 \(c\) を下げれば Recall は単調に増加する。 同時に偽陽性率 \(\mathrm{FPR} = \int_{c}^{\infty} f_0(x) \, dx\) も増加するため、 「Recall を上げる」とは常に「FPR を許容する」ことと同義である。 ROC 曲線はこの 2 つを横軸 FPR / 縦軸 Recall でプロットしたものに他ならない。

2. ベイズ意思決定とコスト関数

ベイズ最適分類器の決定境界は、 事後確率 \(P(y=1|x)\) が次の閾値を超えるか否かで決まる：

$$P(y=1|x) > \frac{c_{FP} - c_{TN}}{(c_{FP} - c_{TN}) + (c_{FN} - c_{TP})}$$

ここで \(c_{FN}\) を非常に大きくする（見落としの代償が大きい）と、 閾値は限りなく 0 に近づき、 結果として Recall は 1 に近づく。 これが「Recall は意思決定コストの非対称性を反映する指標」と呼ばれる所以である。 医療診断や安全工学では \(c_{FN} \gg c_{FP}\) なので Recall 重視となる一方、 推薦・広告では \(c_{FP} > c_{FN}\) のため Precision 重視となる。

3. Recall と確率較正 (Calibration) の関係

モデルが出力する確率 \(\hat p(x)\) が真の事後確率 \(P(y=1|x)\) と一致するとき「較正されている (well-calibrated)」と言う。 較正済みモデルでは閾値 \(\tau\) を下げると Recall が予測通りに増加するが、 較正されていないモデル (例: 確率の過剰自信を持つ XGBoost) では同じ \(\tau\) でも Recall が想定外の値になる。 そのため Recall を運用設計で目標値化するなら、 先に Platt scaling / Isotonic regression による確率較正が必須である。

4. Recall の上界 — 「Bayes 限界」

どんな分類器でも超えられない Recall の上限が存在する。 これを「Bayes 最適 Recall」と呼ぶ。 もし特徴量 \(x\) が陽性・陰性を完全に分離できないなら（クラス分布が重なるなら）、 閾値 \(c\) を 0 にしない限り Recall = 1 は達成できない。 しかし閾値 0 では Precision がベース率に張り付く。 「Recall と Precision の両方を 1 にする」ことは原理的に クラスが特徴空間で重ならない場合のみ可能。 これが「PR 曲線の右上端を目指す」が究極の現実的目標である理由。

5. 統計的揺らぎとサンプル数

陽性サンプル数 \(n_+ = TP + FN\) が小さいと Recall は離散的にしか動かない。 二項分布近似で 95% 信頼区間は概ね：

$$\mathrm{Recall} \pm 1.96 \sqrt{\frac{\mathrm{Recall}(1-\mathrm{Recall})}{n_+}}$$

例えば \(n_+ = 9\)（2023 年度に人口 500 万超の道府県は北海道・埼玉・千葉・東京・神奈川・愛知・大阪・兵庫・福岡の 9 件）で 9 県すべてを拾って Recall = 1.0 と報告しても、 Clopper-Pearson 法による 95% 下限は 0.025^1/9 ≈ 0.66 でしかない。 「Recall = 1.00」とだけ書くと過大評価になりがちなので、 必ず CI を併記する。

🎯 Recall 目標値から閾値を逆算する実務的手順

「Recall を 0.95 以上にしたい」という業務要件があるとき、 確率出力モデルの閾値 \(\tau\) を逆算する手順は次の通り：

1. 検証データ \(D_{val}\) を陽性サンプルだけ抽出（FN を観察するため）
2. 陽性サンプルの予測確率 \(\hat p_i\) を昇順にソート
3. 下位 5% に位置する確率値が Recall = 0.95 達成に必要な閾値 \(\tau^*\)
4. テストデータでこの閾値を適用し、 Precision がビジネス許容範囲内か確認
5. もし Precision が低すぎる場合は、 モデルの特徴量・アーキテクチャから見直す（閾値だけでは限界）

この手順を実装した擬似コード：

このコードでやること：Recall 目標値（例: 0.95）から閾値 \(\tau^*\) を逆算し、 そのときの Precision を表示する。

📥 入力例：陽性サンプルの予測確率配列 (numpy array)。 SSDSE では 47 県のうち高齢化率 ≥ 30% の県の予測確率を想定。

🐍 閾値逆算ロジック（pandas + numpy ベース）。 sklearn の precision_recall_curve を使うと一発で求まる：

📤 実行例（仮想のスコアに対する実測）：

💬 Recall ≥ 0.95 を満たす最大の閾値は 0.118 で、 35 県中 34 県を拾って Recall 0.971、 Precision 0.739 になる。 スコアは県コード順に並べただけの仮の値なので、 閾値をほとんど最小まで下げないと目標に届かず、 Precision も陽性の割合 35/47=0.745 とほぼ同じ（当てずっぽうと変わらない）。 実際のモデルの予測確率に置き換えれば、 同じ手順で「Recall を 5% 上げると Precision が何 % 落ちるか」を業務判断の材料にできる。

🧮 実値で計算してみる（SSDSE-B-2026・47 都道府県）

🧮 数式に値を入れて手で計算する: 再現率 (Recall)

上記 Step 1〜5 と同じ実 SSDSE-B-2026 データ（TP=8, FN=1, FP=0）で Recall を改めて検証する。

Step 1: 混同行列（Step 3 と同じ）

Step 2: Recall とトレードオフ

🐍 Python で再現（同じ SSDSE-B 数値で）

1
2
3
4
5
6
7

tp, fn, fp = 8, 1, 0
r = tp/(tp+fn)
p = tp/(tp+fp)
f1 = 2*p*r/(p+r)
print(f"Recall: {r:.3f}")
print(f"Precision: {p:.3f}")
print(f"F1: {f1:.3f}")

📤 実行結果

💬 Step 1〜5 の手計算（Recall=0.889 / Precision=1.000 / F1=0.941）と Python 出力が完全一致。 ch8 の sklearn 版コードでも同じ閾値で同じ値が得られる。

✅ 理解度チェック — 閾値表の数字で解く

💡 章の「閾値別 Recall シミュレーション」の表（高齢化率 31.8% 以上の 24 県を陽性、 1 県抜き交差検証の予測確率）を使う。

1. 問：閾値 0.5 では TP = 21、 FN = 3、 FP = 6。 Recall と Precision は。
   答：Recall = 21/(21+3) = 0.875、 Precision = 21/(21+6) = 0.778。 分母が違う（陽性の 24 県か、 陽性と予測した 27 県か）ことに注意。
2. 問：閾値を 0.8 に上げると TP = 9、 FN = 15、 FP = 1。 Recall が下がったのに Precision が上がったのはなぜか。
   答：Recall = 9/24 = 0.375、 Precision = 9/10 = 0.900。 自信のある 10 県だけを陽性と予測するので当たりの割合は上がるが、 陽性 24 県のうち 15 県を取りこぼす。
3. 問：閾値 0.5 の F2（再現率を適合率の 2 倍重く見る Fβ）は F1 より大きいか。
   答：F2 = 5PR/(4P+R) = 5 × 0.778 × 0.875 ÷ (4 × 0.778 + 0.875) = 0.854 で、 F1 = 0.824 より大きい。 この閾値では R > P なので、 R を重く見るほど値が上がる。 閾値 0.8 では F2 = 0.425 まで下がる。
4. 問：人口 500 万超の 9 道府県を 9 県とも検出できた（Recall = 1.0）。 95% 信頼区間の下限は。
   答：Clopper-Pearson 法で 0.025^1/9 = 0.664。 陽性が 9 件しかないと、 本当の再現率が 0.7 程度でも 9 件全部を拾うことは珍しくない。

🎮 触って理解する

下のグリッドは「実際に陽性である 24 件」を表します。 最初は全部緑（拾えた=TP）。 セルをクリック / ドラッグすると赤（見逃し=FN）に変わります。 Recall = 拾えた率 = TP /（TP+FN）がリアルタイムに再計算され、 「見逃し（赤）を増やすほど Recall が下がる」ことを体感できます。 右側の FP（誤って陽性とした陰性）スライダーを動かすと Precision も同時に変化し、 両者のトレードオフが見えます。

💡 直感で掴む

⚠️ よくある落とし穴

🚀 発展

🐍 Python 実装

SSDSE-B-2026（47 都道府県・2023 年）の実データを使った最小コード：

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19

# SSDSE-B-2026 で Recall を計算
import pandas as pd
from sklearn.metrics import recall_score, precision_score, f1_score, classification_report

df = pd.read_csv('data/raw/SSDSE-B-2026.csv', encoding='cp932', skiprows=[1], header=0)
df.columns = pd.read_csv('data/raw/SSDSE-B-2026.csv', nrows=0, encoding='cp932').columns

df = df[df['SSDSE-B-2026']==2023]  # 2023 年 47 都道府県のみ
y_true = (df['A1101'].astype(float) > 5_000_000).astype(int)
y_pred = (df['F3101'].astype(float) > 100_000).astype(int)  # ch7 と同じ閾値

r = recall_score(y_true, y_pred)
p = precision_score(y_true, y_pred)
f = f1_score(y_true, y_pred)

print(f'Recall    = {r:.3f}')   # → 0.889  (ch7 Step 4 と一致)
print(f'Precision = {p:.3f}')   # → 1.000  (ch7 Step 5 と一致)
print(f'F1        = {f:.3f}')   # → 0.941  (ch7 Step 5 と一致)
print(classification_report(y_true, y_pred, digits=3))

💬 総人口 500 万人超の 9 都道府県のうち、新規求職申込件数 10 万件超で拾えたのは 8 県で、Recall は 8/9 = 0.889 になった。見逃したのは件数 97,244 件で閾値をわずかに下回った千葉県である。一方で陽性と予測した 8 県はすべて正解なので Precision は 1.000、F1 は 0.941 になる。閾値を 9 万件に下げれば千葉県を拾えるが、そのとき誤検知が増えないかを表で確かめてから決める。

🐍 Python 深掘り実装ガイド（5 ブロック）

ここからは SSDSE-B-2026 を使った Recall の詳細実装を 5 ブロックに分けて、 入力・コード・出力・読み方をセットで提示します。 すべての pygblock は「コードでやること → 入力 → コード → 実行例 → 結果の読み方」の 5 要素で構成されています。

ブロック 1 ── 基本: 47 県データから Recall を算出

このコードでやること: SSDSE-B-2026（47 都道府県）を pd.read_csv で読み込み、 「人口 > 500 万人」を真の陽性、 「新規求職申込件数（一般、 F3101）> 10 万件」を予測陽性として sklearn.metrics.recall_score を計算する。

📥 入力データ (SSDSE-B-2026 抜粋、 2023 年・先頭 5 行):

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15

# Recall を SSDSE-B-2026 の 47 県データで計算
import pandas as pd
from sklearn.metrics import recall_score, precision_score, f1_score

df = pd.read_csv('data/raw/SSDSE-B-2026.csv', encoding='cp932', skiprows=[1])
df2023 = df[df['SSDSE-B-2026'] == 2023].reset_index(drop=True)

y_true = (df2023['A1101'].astype(float) > 5_000_000).astype(int)
y_pred = (df2023['F3101'].astype(float) > 100_000).astype(int)   # 新規求職申込件数 10 万件超

print(f'真陽性数(TP+FN) = {y_true.sum()}')
print(f'予測陽性数    = {y_pred.sum()}')
print(f'Recall    = {recall_score(y_true, y_pred):.3f}')
print(f'Precision = {precision_score(y_true, y_pred):.3f}')
print(f'F1        = {f1_score(y_true, y_pred):.3f}')

📤 実行例:

💬 結果の読み方: 人口 500 万超は 9 県（北海道・埼玉・千葉・東京・神奈川・愛知・大阪・兵庫・福岡）。 新規求職申込件数 10 万件超は 8 県で、 千葉県（97,244 件）だけが閾値をわずかに下回る。 Recall=0.889 は「真の 9 県のうち 8 県を捕捉、 1 県を取りこぼし」、 Precision=1.000 は「予測 8 件はすべて正解」を意味する。 見逃しゼロを優先するなら閾値を 8 万件まで下げれば Recall=1.000 になる。

ブロック 2 ── 閾値スイープで Recall-Precision トレードオフを可視化

このコードでやること: 47 県の新規求職申込件数 F3101 を「人口 500 万超」予測のスコアとみなし、 閾値を 4 万件 → 20 万件まで動かして Recall / Precision の関係を表にする。

📥 入力データ: ブロック 1 で読み込んだ df2023 をそのまま使用。 F3101（新規求職申込件数）を連続的スコアとして扱う。

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15

# 閾値を動かして Recall と Precision の変化を観察
import pandas as pd
from sklearn.metrics import recall_score, precision_score

df = pd.read_csv('data/raw/SSDSE-B-2026.csv', encoding='cp932', skiprows=[1])
df2023 = df[df['SSDSE-B-2026'] == 2023].reset_index(drop=True)
y_true = (df2023['A1101'].astype(float) > 5_000_000).astype(int)

print('閾値      Recall  Precision  TP  FN  FP')
for thr in [40_000, 60_000, 80_000, 100_000, 120_000, 150_000, 200_000]:
    y_pred = (df2023['F3101'].astype(float) > thr).astype(int)
    tp = int(((y_true==1) & (y_pred==1)).sum())
    fn = int(((y_true==1) & (y_pred==0)).sum())
    fp = int(((y_true==0) & (y_pred==1)).sum())
    print(f'{thr:>10,} {recall_score(y_true,y_pred):.3f}  {precision_score(y_true,y_pred,zero_division=0):.3f}     {tp}   {fn}   {fp}')

📤 実行例:

💬 結果の読み方: 閾値 4 万件では Recall=1.0 だが Precision=0.346 と低い（26 県を陽性と予測して 17 県が誤検出）。 8 万件で Recall=1.000・Precision=1.000 の理想点に達し、 10 万件を超えると FN が出て Recall が 0.889 に落ちる。 20 万件では Recall=0.222（9 県中 2 県しか拾えない）。 がん検診のように 見逃しゼロが至上命題なら 4〜8 万件、 精度重視なら 10 万件以上、 と用途で閾値選択は変わる。

ブロック 3 ── Precision-Recall 曲線と AUPRC を計算

このコードでやること: sklearn.metrics.precision_recall_curve で 47 県データから PR 曲線を生成し、 average_precision_score で曲線下面積 (AUPRC) を算出する。 不均衡データに対する Recall ベース評価の代表的手法。

📥 入力データ: df2023 の F3101（新規求職申込件数）を連続スコア、 A1101>500 万を陽性ラベルとする。

1
2
3
4
5
6
7
8
9
10
11
12
13
14

# PR 曲線と平均適合率 (AUPRC) を算出
import pandas as pd
from sklearn.metrics import precision_recall_curve, average_precision_score

df = pd.read_csv('data/raw/SSDSE-B-2026.csv', encoding='cp932', skiprows=[1])
df2023 = df[df['SSDSE-B-2026'] == 2023].reset_index(drop=True)
y_true = (df2023['A1101'].astype(float) > 5_000_000).astype(int)
scores = df2023['F3101'].astype(float)

prec, rec, thr = precision_recall_curve(y_true, scores)
auprc = average_precision_score(y_true, scores)
print(f'AUPRC = {auprc:.4f}  (1.0 が理想)')
print(f'閾値数 = {len(thr)}')
print('Recall=1.0 を維持できる最大 Precision = ', max(p for p,r in zip(prec, rec) if r == 1.0))

📤 実行例:

💬 結果の読み方: AUPRC=1.0000 は「F3101 の大きい順に並べると、 人口 500 万超の 9 県がちょうど上位 9 件に並ぶ」ことを意味する。 つまり閾値さえ適切に選べば Recall=1.0 と Precision=1.0 を同時に達成できる（実際 8 万件がその点）。 これは SSDSE のこの 2 列が強く連動しているためで、 実データでここまできれいに分かれることは稀。 不均衡データ評価では ROC-AUC より AUPRC が陽性ラベル数に敏感で実務向き。

ブロック 4 ── 多クラス分類における macro / micro / weighted Recall

このコードでやること: 47 県を高齢化率 A1303（A1303_pct = A1303/A1101）で「若い県/中間/高齢県」の 3 クラスに分け、 ランダムフォレストで予測 → macro/micro/weighted Recall を比較。 不均衡クラス時に評価方式で値がどう変わるかを見る。

📥 入力データ: df2023 の A1101（人口）と A1303（65 歳以上人口）で高齢化率のクラスを作り、 特徴量は A1101（人口）・F3101（新規求職申込件数）・E1101（幼稚園数）の 3 列。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19

# 多クラス分類で macro/micro/weighted Recall を比較
import pandas as pd
import numpy as np
from sklearn.ensemble import RandomForestClassifier
from sklearn.metrics import recall_score, classification_report
from sklearn.model_selection import cross_val_predict

df = pd.read_csv('data/raw/SSDSE-B-2026.csv', encoding='cp932', skiprows=[1])
df2023 = df[df['SSDSE-B-2026'] == 2023].reset_index(drop=True)

aging = df2023['A1303'].astype(float) / df2023['A1101'].astype(float)
y = pd.cut(aging, bins=[0,0.27,0.33,1], labels=['若','中','高']).astype(str)
X = df2023[['A1101','F3101','E1101']].astype(float)

clf = RandomForestClassifier(n_estimators=200, random_state=0)
y_pred = cross_val_predict(clf, X, y, cv=5)
for avg in ['macro', 'micro', 'weighted']:
    print(f'{avg:>9} Recall = {recall_score(y, y_pred, average=avg):.3f}')
print(classification_report(y, y_pred, digits=3))

📤 実行例:

💬 結果の読み方: macro=0.520 は クラスごとの Recall を単純平均（少数クラス「若」も等価評価）。 micro/weighted=0.617 は 全サンプルを平均（多数派クラスの影響が大）。 不均衡な場合は macro の方が「全クラス公平」の意味で重要。 結果として「若」（高齢化率 27% 未満、 n=4）の Recall=0.250（4 県中 1 県しか当てられない）がボトルネックで、 macro と micro に 0.10 の差を生んでいる、 と特定できる。

ブロック 5 ── ブートストラップで Recall の 95% 信頼区間

このコードでやること: 47 件は小標本なので、 Recall=0.889 という「点推定」がどれくらい不安定かをブートストラップ法（B=2000 回リサンプル）で 95% 信頼区間として可視化する。

📥 入力データ: ブロック 1 と同じ y_true (人口>500 万)、 y_pred (新規求職申込件数>10 万件)。

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16

# Recall の 95% 信頼区間をブートストラップで推定
import pandas as pd
import numpy as np
from sklearn.metrics import recall_score

df = pd.read_csv('data/raw/SSDSE-B-2026.csv', encoding='cp932', skiprows=[1])
df2023 = df[df['SSDSE-B-2026'] == 2023].reset_index(drop=True)
y_true = (df2023['A1101'].astype(float) > 5_000_000).astype(int).values
y_pred = (df2023['F3101'].astype(float) > 100_000).astype(int).values

rng = np.random.default_rng(0)
boots = [recall_score(y_true[idx], y_pred[idx], zero_division=0)
         for idx in (rng.integers(0, 47, 47) for _ in range(2000))]
print(f'点推定 Recall    = {recall_score(y_true,y_pred):.3f}')
print(f'ブートストラップ平均 = {np.mean(boots):.3f}')
print(f'95% CI = [{np.quantile(boots,0.025):.3f}, {np.quantile(boots,0.975):.3f}]')

📤 実行例:

💬 結果の読み方: 点推定 0.889 だが CI=[0.615, 1.000] と幅が広い → 47 件・陽性 9 件ではこの程度の不確実性は避けられない。 実務報告では「Recall=0.89 (95% CI: 0.62-1.00, n=47)」とサンプル数と区間を併記するのが誠実な姿勢。 サンプルが少ない時は「単一の数字を信じない」が鉄則。

⚠️ よくある落とし穴

🌐 関連手法・派生

🔗 関連用語（前提・並列・発展）

📥 前提となる用語

🔄 並列・対比される用語

🚀 発展・応用される用語

再現率 (Recall) を学ぶ際に併読すると理解が深まる関連用語を「前提・並列・発展」の 3 区分で整理する。

• 前提概念: 混同行列 (TP/FP/FN/TN) / 二値分類 / クラス不均衡の概念。 加えて分子・分母の定義 (TP / (TP+FN))。 「実際に陽性のうち何 % を取りこぼさず検出したか」という視点が出発点。
• 並列概念: 適合率 (Precision) / F1 スコア / AUC / 特異度 — 同じ混同行列から導く並列の評価指標。 Recall と Precision はトレードオフ関係にあり、 閾値で調整する。
• 発展概念: クラス別再現率 (macro/micro 平均) / Recall@K (上位 K 件の再現率) / トップヘビーな順位指標 / ROC 曲線 での閾値選択 — 多クラス・推薦への発展。 がん検診や不正検知のような「取りこぼし禁止」場面で最重要指標になる。

Recall は「陽性をどれだけ漏れなく検出できたか」を測る指標。 医療診断や災害警報のように偽陰性のコストが極めて高い場面で優先される。 一方、 偽陽性も同程度に困る場面では Precision との F1 で評価するのが定石。 SSDSE-B-2026 のような統計分析で「特定の県をすべて検出する」分類問題でも同じ枠組みが使える。

📚 関連グループ教材

この用語の全体像を学ぶには、 まず横断的な教材で文脈を掴むのが効率的です：

• 📚 評価指標 — Recall の上位カテゴリ。 Accuracy / Precision / F1 / AUC との位置づけを横断的に整理
• 📚 分類タスクの基礎 — Recall を使う前提となる二値・多クラス分類の枠組み
• 📚 用語集トップ — カテゴリ別の一覧
• 🗺️ 概念マップ — 全体の繋がりを俯瞰

📊 SSDSE 教材・公的データ（推奨）

• SSDSE（教育用標準データセット） — 独立行政法人統計センターが公開する都道府県データ。 SSDSE-B-2026 を使えば「人口減少県を漏れなく検出する」など Recall を実データで確認可能
• e-Stat（政府統計の総合窓口） — 国勢調査・人口動態統計などの一次データ。 不均衡ラベル付きの実問題を組める
• Kaggle Learn: Intro to Machine Learning — Recall を含む評価指標を Python ノートブックで学べる無料教材
• scikit-learn 公式: Classification metrics — recall_score, classification_report, precision_recall_curve の API リファレンス

📖 標準書・論文（理論を深める）

• 『The Elements of Statistical Learning』（Hastie ら、 Springer, 2009）— 9.2 節のスパム分類の例で、 閾値を動かしたときの感度・特異度と ROC 曲線を扱う
• 『Introduction to Information Retrieval』（Manning ら、 Cambridge, 2008、 無料公開）— 8 章で検索システムの評価指標として再現率・適合率・F 値・順位付き検索の評価を扱う
• Saito & Rehmsmeier (2015): "The Precision-Recall Plot is More Informative than the ROC Plot When Evaluating Binary Classifiers on Imbalanced Datasets", PLoS ONE — 不均衡データで Recall が AUC より重要になる根拠論文

📚 Recall を一般化・拡張した派生指標 16 種

Recall は多くの派生指標の基礎であり、 タスクに応じて使い分ける必要がある。

🗺 概念マップ

中心に再現率を置き、 同じ混同行列から作る指標・呼び名・拡張を 5 つ周りに並べた。 Sensitivity / TPR は同じ式 TP/(TP+FN) の医療・ROC での呼び名、 ROC-AUC は閾値を動かしたときの TPR（= 再現率）と FPR の関係を面積にしたもの、 F1, F-beta は適合率と組み合わせて 1 つの数にしたもの（β > 1 で再現率を重く見る）。 Recall@k は検索・推薦で「上位 k 件に正解の何割が入ったか」、 Macro / Micro Recall は多クラスで県の群ごとの再現率をどう平均するかの違いである。 このページの高齢化県の例（閾値 0.5 で Recall = 0.875）は中心の定義そのもの、 閾値表は ROC-AUC と F1、 地方別の再現率は Macro 平均の考え方にあたる。

🔗 隣接手法への橋渡し

「Recall（再現率）」は単独で完結する手法ではなく、 隣接領域と連携することで真価を発揮する。

• 上流: 混同行列・分類の理解が前提
• 並列: 適合率・F1 スコアと組み合わせ、 トレードオフを評価
• 下流: ROC 曲線・AUCでしきい値別性能を可視化

不均衡分類で Recall を見るときは、 SSDSE-B-2026 で構築した二値ラベル (例: 高齢化率 30% 超) で混同行列を作り、 適合率・F1 と合わせて確認する流れが実用的。

🌳 手法選択フロー

「再現率 (Recall)」を実際の課題に当てはめるとき、 コスト構造・クラス分布・運用要件・多クラス構造の 4 軸で多段に判定する。 末端は 🔗 隣接手法への橋渡し で挙げた 混同行列 / 適合率 / F1 / ROC / AUC の組合せに着地する。

1. ① 見逃し (FN) と誤警報 (FP) のコスト比は?
   • 見逃し ≫ 誤警報 (がん検診・故障検知・テロ検知) → Recall 最優先 → ② へ
   • 見逃しと誤警報が同等 → F1 スコア で総合評価
   • 誤警報 ≫ 見逃し (スパム送信ブロック・自動課金停止) → Precision 優先 (Recall は二の次)
   • 非対称な重み付けが必要 → F-β スコア (β > 1 で Recall 寄り、 β < 1 で Precision 寄り)
2. ② クラス分布はどうか?
   • 不均衡 (陽性率 < 10%、 例: がん検診の陽性 1%) → Accuracy 禁止、 Recall + Precision + 混同行列 で評価。 サンプリング (SMOTE / Undersampling) も検討
   • 均衡 (50:50 前後) → Accuracy でも可、 Recall は補助指標
   • 多クラス → Macro Recall (クラス均等重み) / Micro Recall (サンプル均等重み) / Weighted Recall (クラス度数重み) を使い分け
3. ③ しきい値運用はどうするか?
   • 固定しきい値 (0.5) で十分 → そのまま Recall を測定
   • しきい値を最適化したい → ROC 曲線 で Recall (TPR) と FPR のバランス、 または Precision-Recall 曲線 で Recall と Precision のトレードオフを可視化 → 最適点を Youden 統計量 (TPR − FPR) 最大化や F1 最大化で選ぶ
   • 運用コスト目標が決まっている → そのコスト制約下で Recall を最大化するしきい値
4. ④ ランキング型タスクか?
   • 検索・推薦の上位 k 件 → Recall@k (上位 k 件に陽性が何割含まれるか) を使う、 単純な Recall ではなく
   • 純粋な分類タスク → そのまま Recall (TP / (TP+FN))
5. ⑤ モデル選択の最終判定
   • 単一指標で評価 → F1 (Recall と Precision の調和平均)、 または F-β
   • しきい値非依存で評価 → AUC (ROC 曲線下面積) と PR-AUC (不均衡時は PR-AUC が ROC より敏感)
   • 業務 KPI で評価 → 業務コスト関数 (見逃し損失 × FN + 誤警報損失 × FP) を最小化

SSDSE-B-2026 への適用例: 「人口減少県を予測」を二値分類 (将来 5 年で 5% 以上減 = 1) に変換すると、 ① 見逃すと政策対応が遅れる → Recall 最優先、 ② 陽性は 47 県中 10-15 県 (20-30%) → やや不均衡、 ③ ROC 曲線でしきい値最適化、 ④ 単純分類 (ランキングではない)、 ⑤ Recall ≥ 0.9 を達成する最低 Precision モデルを採用、 という流れになる。

🎯 直感を深める：Recall の芯

Recall は 「実際に陽性だったもののうち、正しく陽性と拾えた割合」＝ $\text{Recall}=TP/(TP+FN)$。分母は「本当に陽性である全件」なので、Recall が測るのは見逃し（FN）をどれだけ避けたかだけです。分母に FP（誤検出）が入らない点が 適合率（Precision） との決定的な違いで、Precision が「陽性と言った中の正しさ（純度）」を測るのに対し、Recall は「陽性を取りこぼさない能力（網羅性）」＝感度（Sensitivity）を測ります。

合言葉は 「網羅 対 純度」。Recall を上げるほど網羅性は増しますが、「疑わしきは全部陽性」に振れるので純度（Precision）は落ちます。これが適合率とのトレードオフで、閾値（陽性と判定する確率の境目）を下げると Recall↑・Precision↓、上げると逆になります。極端に閾値を下げて「全件陽性」にすれば Recall は必ず 1.0 — だからこそ Recall は単独では意味を持たず、必ず Precision（または特異度）とセットで読むのが鉄則です。

なぜ「見逃さない能力」がここまで重視されるのか。それは FN のコストが FP のコストより桁違いに大きい場面があるからです。がん検診で病変を見逃せば命に関わりますが、健常者を精密検査に回す誤警報は再検査で済みます。地震警報で揺れを見逃せば被害が出ますが、空振りは避難のコストで済みます。こうしたコスト非対称の場面で、Recall は「最も守るべき指標」になります。

⚠️ 落とし穴を深掘り（重要）

Recall は「高ければよい」と誤解されがちですが、単独では容易に欺かれます。以下は SSDSE-B-2026（2023 年・47 都道府県）の実データで確認した挙動です。陽性＝総人口 150 万人以上の県（24 県）、陰性＝それ未満（23 県）を、出生数（列 A4101）を標準化してロジスティック回帰で予測し、判定閾値 τ を動かした実測値です（合成ではなく実測、コードは 🐍 Python 実装 と同一手順）。

🚀 発展：トレードオフ設計と最適化

① 適合率-再現率トレードオフと PR 曲線

閾値を連続的に動かすと、Recall と Precision は一方を上げれば他方が下がる曲線を描きます。これを可視化したのが Precision-Recall（PR）曲線 です。上の実測表を PR 平面にプロットすると、右下（高 Recall・低 Precision, τ=0.30）から左上（低 Recall・高 Precision, τ=0.70）へ弧を描きます。クラス不均衡が強いとき、PR 曲線は ROC 曲線 より劣化に敏感で、PR-AUC の方が実務判断に向きます（ROC-AUC は陰性が多いと楽観的に見えがち）。

② F1 / Fβ：Recall の重みを言語化する

$F_\beta = (1+\beta^2)\dfrac{P\cdot R}{\beta^2 P + R}$。$\beta=1$ が調和平均の F1、$\beta>1$ は Recall を重視（F2 は Recall を Precision の 2 倍重く）、$\beta<1$ は Precision 重視です。前掲の実データで各閾値の Fβ を計算すると、Recall を重んじる F2 は低閾値側の値を高く保ちます（例 τ=0.30 で F1=0.800 に対し F2=0.909）。「見逃しをどれだけ嫌うか」を β という一つの数字に翻訳できるのが Fβ の利点です。

③ 閾値最適化：何を最大化して選ぶか

閾値の選び方には流儀があります。(a) F1（または Fβ）最大化：上の実データでは τ=0.40 が F1=0.960 で最良。(b) Youden 指数（感度 $+$ 特異度 $-1$ の最大化）で ROC 上の最適点を選ぶ。(c) Recall 下限制約：「Recall ≥ 0.95 を満たす中で Precision 最大」のように業務要件から逆算する。(d) コスト最小化：$c_{FN}\cdot FN + c_{FP}\cdot FP$ を最小化。どれを選ぶかは損失構造次第で、単一の正解はありません。

④ 感度（＝Recall）と特異度、そしてスクリーニング設計

医療統計では Recall を 感度（Sensitivity）、$TN/(TN+FP)$ を 特異度（Specificity） と呼びます。スクリーニング（一次検査）はまず高感度で取りこぼしを防ぎ、陽性者に高特異度の確定検査を重ねる「二段構え」が定石です。前段で Recall を犠牲にすると後段でも回収できない一方、前段の低特異度（＝多めの偽陽性）は後段で切り落とせるため、スクリーニングでは Recall＞Precision の設計が合理的になります。有病率が低いと同じ感度・特異度でも陽性的中率（Precision に相当）は大きく下がる点にも注意します。

⑤ 多クラスの平均：macro / micro / weighted

3 クラス以上では、Recall をクラスごとに出して平均します。macro（各クラス均等平均）は少数クラスも対等に扱い不均衡時に推奨、micro（全 TP・FN を合算してから計算）は大クラスに引っ張られ全体正解率に近づく、weighted（クラス度数で加重）はその中間です。scikit-learn なら recall_score(y, pred, average='macro') のように指定します。どの平均かで結論が変わるため、報告時は必ず明示します。

🔗 深掘りに使う関連ページ

本セクションで触れた概念は、以下の用語ページで個別に深掘りできます（すべて用語集内の実在ページ）。

• 適合率（Precision） — Recall と対になる「純度」の指標。トレードオフの相方。
• Precision-Recall 曲線 — 閾値スイープで両者のトレードオフを可視化。不均衡時の主役。
• F1 スコア / F1 — Recall と Precision の調和平均。Fβ で重みを調整。
• 特異度（Specificity） — 感度（＝Recall）と対をなす、陰性を当てる率。
• 混同行列 — TP/FN/FP/TN の出発点。すべての指標の母体。
• ROC 曲線 — 感度と $1-$特異度の関係。閾値非依存の評価。
• Accuracy — 不均衡データで Recall の破綻を隠しがちな指標。