【G検定｜理解型予想問題】適合率と再現率はなぜ混同する？
seo-webmaster
SEO・ウェブマスターブログ
【G検定｜理解型予想問題】損失関数と評価指標はなぜ混同する？
seo-webmaster
プロモーションが含まれています
損失関数と評価指標は、どちらも「AIの性能を表す数値」に見えるため、非常に混同しやすいテーマです。
しかし実際は
- 損失関数 → AIを学習させるためのもの
- 評価指標 → AIの性能を確認するためのもの
という役割の違いがあります。
G検定でも
- 「損失が小さいのに性能が悪い」
- 「精度だけでは危険」
など「学習」と「評価」を分けて考える ことが重要です。
この記事では「なぜ混同するのか？」を軸に「AIはどう学習し、どう評価されるのか？」を理解型予想問題で整理していきます。
問題①
AIの学習中に使われる「損失関数」の説明として、最も適切なものはどれか？
- A. AIの最終的な使いやすさを表す指標
- B. AIの予測と正解のズレを数値化したもの
- C. AIモデルの学習速度を示すもの
- D. AIが分類したラベル数を表すもの
- 正解・解答（クリックで開きます）
-
正解
B
解説
損失関数（Loss Function）は「予測と正解がどれだけズレているか」を数値化するものです。
AIはこのズレを小さくするように学習します。
たとえば
- 正解：猫
- AI予測：犬
ならズレが大きいため、損失も大きくなります。
重要ポイント
損失関数は「学習中」に使う のが重要です。
AIは損失を見ながら、重みを調整して性能改善します。
Q
問題②
評価指標（精度、適合率、再現率など）の役割として最も適切なものはどれか。
- A. 学習率を自動調整する
- B. AIモデルの性能を評価する
- C. ニューラルネットワークの層数を決める
- D. 勾配を計算する
- 正解・解答（クリックで開きます）
-
正解
B
解説
評価指標は「AIの性能を測るもの」です。
代表例
指標 意味 精度 全体でどれだけ正解したか 適合率 当てた中でどれだけ正解か 再現率 本物をどれだけ見逃さないか 重要ポイント
損失関数と違い「学習後の性能確認」でよく使われます。
Q
問題③
損失関数と評価指標の違いとして最も適切なものはどれか？
- A. 損失関数はモデル評価に使い、評価指標は学習に使う
- B. 損失関数は学習中に使い、評価指標は性能確認に使う
- C. 損失関数と評価指標は常に同じ値になる
- D. 評価指標は勾配降下法の更新量を決める
- 正解・解答（クリックで開きます）
-
正解
B
解説
損失関数は「予測と正解のズレ」を数値化し、AIの学習中に使われます。
一方、評価指標は「実際にどれくらい性能が良いか」を確認するために使います。重要
ここを混同すると「損失が小さい ＝ 性能も良い」と思い込みやすくなります。
しかし実際は- 過学習
- 不均衡データ
などにより、評価結果は変わります。
Q
問題④
損失関数が主に使われるタイミングとして最も適切なものはどれか。
- A. 学習中
- B. 推論後のみ
- C. データ収集時
- D. モデル削除時
- 正解・解答（クリックで開きます）
-
正解
A
解説
AIは学習中「どれくらい間違えたか？」を損失関数で確認しています。
その結果をもとに
- 勾配降下法
- SGD（確率的勾配降下法）
- Adam
などで重みを更新します。
つまり、損失関数は「AIを育てるための指標」です。下記はブログ内のリンクです。
> 勾配降下法とは？
> SGD（確率的勾配降下法）とは？
> Adamとは？
Q
問題⑤
評価指標が主に使われる目的として最も適切なものはどれか。
- A. モデル性能の確認
- B. 重みの初期化
- C. データ削除
- D. 活性化関数の変更
- 正解・解答（クリックで開きます）
-
正解
A
解説
評価指標は「そのAIは実際に使えるのか？」を確認するために使います。
例えば、医療AIなら 精度が高い だけでは危険。
見逃し（FN）が多い可能性があるため、再現率 が重要になります。重要
評価指標は「目的によって重視が変わる」のが特徴です。
Q
問題⑥
損失が非常に小さいにも関わらず、未知データで性能が悪化する主な原因として最も適切なものはどれか？
- A. 過学習
- B. データ圧縮
- C. 正規化
- D. 活性化
- 正解・解答（クリックで開きます）
-
正解
A
解説
これは非常に重要です。
AIは「訓練データだけ」に最適化しすぎることがあります。
すると- 損失は小さい
- でも未知データでは弱い
状態になります。
これが 過学習（Overfitting） です。
重要
つまり「損失が小さい ＝ 実力が高い」とは限らない。
Q
問題⑦
不均衡データで精度だけを見ることが危険な主な理由として最も適切なものはどれか？
- A. 少数クラスを見逃しても高精度になる場合があるため
- B. 精度は画像認識で使えないため
- C. 精度は学習率を表すため
- D. 精度は損失関数だから
- 正解・解答（クリックで開きます）
-
正解
A
解説
たとえば
■ 99%：正常 ■ 1%：異常
のデータがあるとします。
全部を「正常」と予測しても精度は99%になります。
しかし、実際は異常を1件も検出できていません。
つまり 精度だけでは危険 なのです。重要
そのため
- 適合率
- 再現率
- F1値
なども重要になります。
Q
問題⑧
AIの「損失関数」と「評価指標」の関係として最も適切なものはどれか。
- A. 損失関数で学習し、評価指標で性能確認する
- B. 評価指標で学習し、損失関数で分類する
- C. 両方とも同じ役割を持つ
- D. 損失関数は推論専用で使う
- 正解・解答（クリックで開きます）
-
正解
A
解説
ここが今回の最重要です。
AIは「学習」と「評価」を分けています。学習側
要素 役割 損失関数 ズレを測る 勾配降下法 改善方向を探す 学習率 更新量を決める 評価側
要素 役割 精度 全体でどれだけ正解したか 適合率 当てた中でどれだけ正解か 再現率 本物をどれだけ見逃さないか 一言で言うと
- 損失関数は育成担当
- 評価指標は採点担当
です。
Q
まとめ
損失関数と評価指標は、どちらも「AIの性能を表す数値」に見えるため、初学者が非常に混同しやすいテーマです。
しかし、本質は違います。
| 用途 | 役割 |
|---|---|
| 損失関数 | AIを学習させる |
| 評価指標 | AIを評価する |
損失関数は「学習中の誤差」を小さくするために使います。
一方、評価指標は「実際にどれくらい役立つのか」を確認するために使います。
ここを混同すると
- 損失が小さい ＝ 性能が良い
- 精度が高い ＝ 安全
と思い込んでしまいやすくなります。
しかし実際は
- 過学習
- 不均衡データ
- 見逃し（FN）
- 誤検知（FP）
などにより評価結果は大きく変わります。
G検定では「AIは何を使って学習し、何を使って評価しているのか」を整理できることが重要です。
単語暗記ではなく「AIは学習と評価を分けている」という構造理解を意識しましょう。
公式テキスト
Amazonで確認
楽天市場で確認
合格時に使用した問題集
Amazonで確認
楽天市場で確認
関連記事・おすすめ記事
この予想問題よりも損失関数・評価指数を詳しく整理しています。
もっと詳しく学習したい方はご覧ください。
関連記事
【G検定対策】損失関数とは？わかりやすく整理
関連記事
【G検定対策】評価指標の使い分け方は？わかりやすく整理
不合格体験記です。私のような失敗をしないように確認しましょう。
こちらもおすすめ
【不合格体験談】G検定に落ちた原因｜「成功体験」と「過学習」が落とし穴
書いている人
このブログの運営者（文系出身）です。SEO検定1級、ウェブマスター検定1級を取得しました。ブログ運営には「AIの活用は必須」と思いG検定を取得しました。G検定は簡単といわれがちですが1回目は不合格でした。その失敗経験を元に、これから受験する方の助けになればとできるだけわかりやすくG検定対策は解説しています。間違い等あればご指摘いただければ幸いです。
