偽発見率 (FDR)
意味・解説
AIや検査において『陽性（当たり）』と判定されたもののうち、実際には『陰性（外れ）』だった割合。
公式：$$ FDR = rac{FP（偽陽性）}{TP（真陽性） + FP（偽陽性）} $$。適合率（Precision）の裏返しの指標であり、$FDR = 1 - Precision$ で算出される。
くわしく
「『当たり』と言った中に入っている『ゴミ』の混入率」です。
1.意味：
『これは重要メールだ』と判定された100通の中に、実は5通スパムが混ざっていたら、FDRは5%です。
2.ビジネス上の影響：
FDRが高いと、AIの判定を信じて行動したユーザーが「無駄な手間（空振り）」を多く強いられることになります。ポイントは、医療診断や広告配信など、アクションを起こすコストが高い分野では、このFDRを極限まで低く抑える必要があるからです。
例文
ターゲティング広告の投資効率を最大化するため、AIモデルの偽発見率（FDR）を10%以下に抑えるチューニングを行った。
同義語: 誤発見率
対義語: 適合率 (Precision)
分類: 機械学習の評価指標