あるMLチームが顧客離反予測モデルを構築しています。モデルの評価において、離反しない顧客を「離反する」と誤判定すること（偽陽性）よりも、離反する顧客を「離反しない」と見逃すこと（偽陰性）のほうがビジネス上のコストが高いと判断しました。このビジネス要件に対応するために最もチューニングすべき評価指標はどれですか。
- A. 再現率（Recall）を最大化する
- B. 適合率（Precision）を最大化する
- C. 特異度（Specificity）を最大化する
- D. 精度（Accuracy）を最大化する
解答と解説を見る
正解: A
再現率（Recall）は「実際に陽性のサンプルのうち、モデルが正しく陽性と予測した割合」を示す指標であり、偽陰性（見逃し）を減らすことに特化しています。離反顧客を見逃すコストが高い本ケースでは、再現率の最大化が最優先となります。精度（Accuracy）はクラス不均衡データでは信頼性が低く、全体的な正答率を示すに過ぎません。適合率（Precision）は偽陽性を減らすことに特化しており、見逃しよりも誤検知コストが高いケースで重視されます。特異度は実際の陰性サンプルを正しく陰性と判定する割合であり、見逃し削減の指標ではありません。