PD-DAI技術 · 機械学習
F値
F-measure
えふち
適合率と再現率の調和平均で、2×適合率×再現率÷（適合率＋再現率）で求める分類モデルの評価指標。F1スコアともいう。どちらか一方が低いと値が大きく下がるので、両者の釣り合いを1つの数値で評価でき、クラスの偏ったデータで正解率の代わりに使われる。
共有:
Related
関連キーワードの用語
PD-DPR曲線
分類モデルの判定のしきい値を変えながら、横軸に再現率、縦軸に適合率をとってプロットした曲線で、右上に近いほど性能がよい。陰性が大多数を占める不均衡なデータでは、ROC曲線が楽観的な形になりやすいのに対し、PR曲線は陽性の検出の難しさを反映するので、不正検知などの評価に向く。曲線の下の面積を平均適合率（AP）という。
PD-D適合率（Precision）
分類モデルが陽性と予測したもののうち、実際に陽性だったものの割合。TP÷（TP＋FP）で求め、誤検知（偽陽性）のコストが大きい場面、例えば正常なメールを迷惑メールと判定したくない場合に重視する。判定のしきい値を上げると一般に適合率は上がり、再現率は下がる。
PD-D再現率（Recall）
実際に陽性であるもののうち、分類モデルが正しく陽性と予測できたものの割合。TP÷（TP＋FN）で求め、感度や真陽性率ともいい、見逃し（偽陰性）のコストが大きい病気の検査や不正取引の検知で重視する。しきい値を下げると再現率は上がるが、適合率は下がりやすい。
FEROC曲線
2クラス分類のモデルで、正例と判定するしきい値を変化させたときの、偽陽性率を横軸、真陽性率（再現率）を縦軸にとって描いた曲線。曲線が左上に寄るほど性能が高く、曲線の下の面積（AUC）でモデルを比較する。