This question's explanation and your answers so far.
品質管理担当者が行っている検査を自動化することを考えた。10,000枚の製品画像と，それに対する品質管理担当者による不良品かどうかの判定結果を学習データとして与えることによって，製品が不良品かどうかを判定する機械学習モデルを構築した。100枚の製品画像に対してテストを行った結果は表のとおりである。品質管理担当者が不良品と判定した製品画像数に占める，機械学習モデルの判定が不良品と判定した製品画像数の割合を再現率としたとき，このテストにおける再現率は幾らか。 単位 枚
| 機械学習モデルによる判定: 不良品 | 機械学習モデルによる判定: 良品 | ||
|---|---|---|---|
| 品質管理担当者による判定 | 不良品 | 5 | 5 |
| 品質管理担当者による判定 | 良品 | 15 | 75 |
0.05 comes from dividing the 5 true positives by all 100 images (5÷100). It uses the whole set as the denominator instead of the 10 images the inspector judged defective, so it does not match the definition of recall.
0.25 is precision. It is the proportion of truly defective items (5) among the 5＋15＝20 images the model judged defective (5÷20), so the denominator is the wrong way around. This confuses recall with precision.
正解 Recall is defined as “the proportion, among the product images that the quality-control inspector judged defective, of those that the model also judged defective.” The inspector judged 5＋5＝10 images as defective (the top row of the table). Of those, the model also judged 5 as defective (the top-left cell, the true positives). Therefore recall ＝ 5÷10 ＝ 0.50, so “ウ” is correct. Recall measures how well the items that are actually defective are detected without being missed.
0.80 is accuracy. It comes from dividing the correctly classified 5 (defective) ＋75 (good) ＝80 images by all 100 images (80÷100), which is a different metric from recall.