G検定（ジェネラリスト検定） AIの社会実装と数理・統計 練習問題 第22問: 陽性が全体の1%しかない不均衡なデータで、2値分類モデルを学習・評価するときの説明として、最も不適切なものはどれか。

肢4が不適切です。scikit-learnのユーザーガイドは、バランス正解率を、不均衡なデータで性能が過大に見積もられるのを避ける指標とし、各クラスの再現率（実際にそのクラスであるもののうち、そのクラスと正しく予測できた割合）のマクロ平均と定義しています。

適合率の平均ではありません。

肢1は、陰性が99%のデータで起きる正解率の見かけの高さです。肢2について、どの入力にも陰性と予測すると、陽性の再現率は0、陰性の再現率は1なので、バランス正解率は(0＋1)÷2＝0.5です。

同ガイドも、不均衡に助けられて正解率が高く見えるだけの分類器では、バランス正解率が1÷クラス数まで下がるとしています。

肢3は、scikit-learnのSVMの解説が不均衡な問題への対処として挙げるクラスの重み（class_weight）の考え方です。どの指標を平均したものかを区別しましょう。