gk 機械学習 評価指標 頻出
G検定トップ
＞ F1-score
まず結論
F1-score は、Precision（適合率）と Recall（再現率）のバランスを1つの値で表した指標です。
F1-score = 2 × (Precision × Recall) / (Precision + Recall)
👉 どちらか一方が低いと、F1-score も低くなります。
なぜ F1-score が必要？
Precision と Recall は、よく トレードオフ になります。
- Precision を上げる
→ 慎重になる → Recall が下がる - Recall を上げる
→ 積極的になる → Precision が下がる
👉 両方を同時に評価したい ときに使うのが F1-score です。
直感的な説明
- Precision：当たったと言ったものは本当に当たっている？
- Recall：本物をちゃんと拾えている？
F1-score は
👉 「当てる力」と「拾う力」のバランス点
と考えると分かりやすいです。
混同行列との関係
混同行列では、
- Precision = TP / (TP + FP)
- Recall = TP / (TP + FN)
これらを組み合わせたのが F1-score です。
👉 TP・FP・FN の3つが効く指標
（TN は直接使われない点もひっかけポイント）
いつ使う？（得意・不得意）
得意
- クラスの偏りがあるデータ
- 誤検知も見逃しも、どちらも困る場合
- Accuracy だけでは評価できない問題
例：
- 異常検知
- 医療診断
- 不正検知
苦手
- Precision と Recall のどちらか一方だけを重視したい場合
Accuracy との違い
- Accuracy：全体の正解率
- F1-score：陽性クラスに注目したバランス評価
👉 データが偏っている場合、
F1-score のほうが実態を表すことが多い。
G検定ひっかけポイント
- F1-score は 調和平均
- Precision または Recall が 0 なら、F1-score も 0
- TN は直接使われない
よくある勘違い
- ❌ F1-score が高い＝完璧
→ ⭕ Precision と Recall のバランスが良いだけ - ❌ F1-score は正解率
→ ⭕ 別の概念
まとめ（試験直前用）
- F1-score = Precision と Recall のバランス指標
- どちらかが低いと値は上がらない
- クラス不均衡データで有効
- Accuracy と 役割が違う
🔗 関連記事
🏠 G検トップに戻る