F1スコアとは？
えふわんすこあ
F1スコアとは、分類モデルの性能評価指標の一つで、適合率（Precision）と再現率（Recall）の調和平均を取ったものです。
F1スコアとは、機械学習の二値分類（または多クラス分類）モデルを評価する指標で、適合率（Precision）と再現率（Recall）の調和平均として計算されます。
適合率は「陽性と予測したうち実際に陽性だった割合」、再現率は「実際の陽性のうちモデルが陽性と予測できた割合」です。これらはトレードオフの関係にあり、どちらか一方が高くなるともう一方が下がりやすい性質があります。F1スコアはその両方をバランスよく評価するために用いられます。
F1スコアが重要になる場面の例は次のとおりです。
- 不均衡データ：陽性が少ないクラスでの性能を正確率（accuracy）より適切に測れる
- 医療診断：陽性見逃し（再現率低下）と誤警告（適合率低下）の両方を考慮したい場合
- スパム検出：正常メールの誤分類と迷惑メールの見逃しを同時に評価する場合
F1スコアは0から1の範囲をとり、1に近いほど良好な性能を示します。適合率と再現率のどちらをより重視するかに応じて、重み付けを変えたFβスコアという一般化もあります。多クラス問題ではmacro/micro/weighted平均などのバリアントが使われます。
使い方・例文
「不均衡データセットでの分類モデル評価において、単純な正確率ではなくF1スコアを使うことで、少数クラスの検出性能を適切に測定した」のように使われます。
この用語をシェア
最終更新: