AI・PMOの進化
混同行列
Confusion Matrix
読み：こんどうぎょうれつ
分類の予測と実際の正解を組み合わせ、どの種類を何と取り違えたかを集計する表です。
01初心者向け
まず意味をつかむ
正解が何件あったかだけでなく、遅延を正常と見逃した件数や、正常を遅延と誤警報した件数を分けて見ます。改善対象を具体的に選べます。
02実務者向け
仕事でどう使うか
陽性の意味と表の縦横を明記し、同じ評価期間の件数を集計します。クラスごとの誤りを確認し、適合率や再現率を計算して業務上の影響と結び付けます。
03専門家向け
判断を一段深める
モデル間で母集団や判定閾値が違うと件数を単純比較できません。多クラスでは全体の平均だけでなく、重要なクラスの取り違えを個別に調べる必要があります。
IN PRACTICE
具体例で考える
架空の遅延10件のうち8件を検知し、正常90件のうち5件を誤警報した場合、真陽性8、偽陰性2、偽陽性5、真陰性85です。
理解を助けるための架空の例です。真陽性・真陰性
偽陽性：誤警報
偽陰性：見逃し
表形式の四区分を概念上の三項目へまとめています。
ここは誤解しやすい
行と列の向きを取り違えると、適合率と再現率の分母を誤ります。
PROXIA INSIGHTS
考え方を、実務へつなぐ
AIを「使う」から、PMの判断に「活かす」へ ↗この知識を、組織の力へ。