適合率（Precision）とは、モデルが陽性と予測したサンプルのうち、実際に陽性であったものの割合です。TP/(TP+FP)で計算され、「陽性予測の正確さ」を測る指標です。偽陽性のコストが高い場面で特に重要視されます。
適合率が重要な場面
スパムメール検出では、正常なメールをスパムと誤判定（偽陽性）すると重要なメールを見逃してしまいます。このように偽陽性のコストが高い場合、適合率を重視した評価が必要です。
再現率とのトレードオフ
適合率を上げようとすると再現率が下がり、再現率を上げようとすると適合率が下がるトレードオフの関係があります。分類閾値を上げると適合率は向上しますが、見逃しが増えて再現率は低下します。