AWS認定資格 無料問題集解答・解説
第13問 疾患を検出する機械学習モデルの評価指標
ある医療機関では、胸部X線画像を用いて肺炎の疑いがある患者を早期に検出する機械学習モデルを開発しています。医師は肺炎の患者を見逃さないことを最も重要視しており、実際に肺炎である患者をできるだけ正しく検出できているかを評価したいと考えています。この目的に最も適した評価指標を選択してください。
（問題ID：AIF201C013）
解答
正しい解答：Ｃ. 再現率（Recall）
△ 判定不能 URL を直接入力して「解答・解説」画面を表示した場合、何を選択・解答したかを特定できないため、解答の正誤判定ができません。必要に応じて「同じ問題に再挑戦」ボタンをクリックして、この問題に再チャレンジしてみてください。
徹底解説
胸部X線画像を用いて肺炎の疑いを検出する機械学習（ML：Machine Learning）モデルにおいて、実際に肺炎である患者をできるだけ正しく検出できているかを評価したい場合に最も適した評価指標は、再現率（Recall）です。再現率は、実際にポジティブであるデータのうち、正しくポジティブと判定できた割合を示す指標です。偽陰性（False Negative）を削減したい場合、すなわち、陽性（肺炎に疾患している状態）であることを見逃さないようにしたい場合などに有効な指標です。問題文にも示されていますが、今回のケースのような疾患の検出モデルでは、疾患の見逃しを防ぐことが重要となるため、再現率が特に重視されます。
その他の選択肢は、実際に肺炎である患者をできるだけ正しく検出できているかを評価したい場合に適した指標ではありません。適合率（Precision）は、モデルがポジティブと判定したデータのうち、実際にポジティブであった割合を示す指標です。上述の再現率とは逆に、誤って陽性と判定してしまう偽陽性（False Positive）を抑えたい場合に有効です。今回のケースでは、肺炎と予測した患者のうち、本当に肺炎だった割合を示すものです。しかしながら、これは見逃しより重要性は低く、今回の目的に対して最適な指標ではありません。なお、適合率は 「精度」 と訳されることもできますので、誤解しないように英語表記（Precision）も覚えておくとよいでしょう。正解率（Accuracy）は、すべての予測結果のうち、正しく分類できたデータの割合を示す指標です。全体的な分類性能を評価する際に用いられますが、データに偏りがある場合には注意が必要です。この場合、陽性患者が少ない場合でも高く見えてしまうことがあるため、見逃しを評価する指標としては不十分です。
F1スコア（F1 Score）は、適合率（Precision）と再現率（Accuracy）の調和平均であり、両者のバランスを評価する指標です。不均衡データセットでのモデル評価など、バランスを重視する場面では有効ですが、今回のように 「肺炎の患者を見逃さないことを最も重要視する」 という明確な目的がある場合には、再現率を直接評価する方が適切です。
問題掲載日：2026-02-21
Information
What's New
- 2026/9/13 問題ID: AIF203C024 モデルの訓練におけるカリキュラム学習の採用目的に関する問題を追加しました。
- 2026/9/12 問題ID: AIF203C018 事前学習済みモデルの自社タスクへの適用に関する問題を加筆・修正しました。
- 2026/9/7 問題ID: AIF202C019 生成AIへの入力情報量を決定する要因に関する問題を追加しました。
- 2026/9/6 問題ID: AIF205C004 生成AIにおける内部情報の漏洩リスクに関する問題を加筆・修正しました。
- 2026/9/5 問題ID: AIF101C013 生成AIにおける非公開情報の意図しない露出に関する問題を追加しました。
Reference Books
独学合格 AWS認定 AIプラクティショナー テキスト&問題集
「世界No.1スクールの人気講師による最短合格」 をうたっているだけあって、とても分かりやすいテキストです。章末問題も本番試験を意識した形式になっており、解答では正解の理由だけでなく、誤答の理由まで丁寧に解説されています。こうした内容を見ると、「独学合格」 という記載にも納得です。AWS認定 AIプラクティショナー 合格対策テキスト＋問題集
図解も豊富でとても理解しやすく、試験の対策に必要な知識を効率よく学べる一冊です。AIの歴史経緯も説明されているところも面白い。テキストと問題集がセットになっており、基礎から実践まで無理なく進められます。ページ数も控えめで読みやすく、クラウドやAIの初心者でも安心して取り組める内容です。
解答・解説
第13問 疾患を検出する機械学習モデルの評価指標
ある医療機関では、胸部X線画像を用いて肺炎の疑いがある患者を早期に検出する機械学習モデルを開発しています。医師は肺炎の患者を見逃さないことを最も重要視しており、実際に肺炎である患者をできるだけ正しく検出できているかを評価したいと考えています。この目的に最も適した評価指標を選択してください。
（問題ID：AIF201C013）
解答
正しい解答：Ｃ. 再現率（Recall）
URL を直接入力して「解答・解説」画面を表示した場合、何を選択・解答したかを特定できないため、解答の正誤判定ができません。必要に応じて「同じ問題に再挑戦」ボタンをクリックして、この問題に再チャレンジしてみてください。
徹底解説
胸部X線画像を用いて肺炎の疑いを検出する機械学習（ML：Machine Learning）モデルにおいて、実際に肺炎である患者をできるだけ正しく検出できているかを評価したい場合に最も適した評価指標は、再現率（Recall）です。再現率は、実際にポジティブであるデータのうち、正しくポジティブと判定できた割合を示す指標です。偽陰性（False Negative）を削減したい場合、すなわち、陽性（肺炎に疾患している状態）であることを見逃さないようにしたい場合などに有効な指標です。問題文にも示されていますが、今回のケースのような疾患の検出モデルでは、疾患の見逃しを防ぐことが重要となるため、再現率が特に重視されます。
その他の選択肢は、実際に肺炎である患者をできるだけ正しく検出できているかを評価したい場合に適した指標ではありません。適合率（Precision）は、モデルがポジティブと判定したデータのうち、実際にポジティブであった割合を示す指標です。上述の再現率とは逆に、誤って陽性と判定してしまう偽陽性（False Positive）を抑えたい場合に有効です。今回のケースでは、肺炎と予測した患者のうち、本当に肺炎だった割合を示すものです。しかしながら、これは見逃しより重要性は低く、今回の目的に対して最適な指標ではありません。なお、適合率は 「精度」 と訳されることもできますので、誤解しないように英語表記（Precision）も覚えておくとよいでしょう。正解率（Accuracy）は、すべての予測結果のうち、正しく分類できたデータの割合を示す指標です。全体的な分類性能を評価する際に用いられますが、データに偏りがある場合には注意が必要です。この場合、陽性患者が少ない場合でも高く見えてしまうことがあるため、見逃しを評価する指標としては不十分です。
F1スコア（F1 Score）は、適合率（Precision）と再現率（Accuracy）の調和平均であり、両者のバランスを評価する指標です。不均衡データセットでのモデル評価など、バランスを重視する場面では有効ですが、今回のように 「肺炎の患者を見逃さないことを最も重要視する」 という明確な目的がある場合には、再現率を直接評価する方が適切です。
問題掲載日：2026-02-21
Information
What's New
- 2026/9/13 問題ID: AIF203C024 モデルの訓練におけるカリキュラム学習の採用目的に関する問題を追加しました。
- 2026/9/12 問題ID: AIF203C018 事前学習済みモデルの自社タスクへの適用に関する問題を加筆・修正しました。
- 2026/9/7 問題ID: AIF202C019 生成AIへの入力情報量を決定する要因に関する問題を追加しました。
- 2026/9/6 問題ID: AIF205C004 生成AIにおける内部情報の漏洩リスクに関する問題を加筆・修正しました。
- 2026/9/5 問題ID: AIF101C013 生成AIにおける非公開情報の意図しない露出に関する問題を追加しました。
Reference Books
独学合格 AWS認定 AIプラクティショナー テキスト&問題集
「世界No.1スクールの人気講師による最短合格」 をうたっているだけあって、とても分かりやすいテキストです。章末問題も本番試験を意識した形式になっており、解答では正解の理由だけでなく、誤答の理由まで丁寧に解説されています。こうした内容を見ると、「独学合格」 という記載にも納得です。
AWS認定 AIプラクティショナー 合格対策テキスト＋問題集
図解も豊富でとても理解しやすく、試験の対策に必要な知識を効率よく学べる一冊です。AIの歴史経緯も説明されているところも面白い。テキストと問題集がセットになっており、基礎から実践まで無理なく進められます。ページ数も控えめで読みやすく、クラウドやAIの初心者でも安心して取り組める内容です。