gk 機械学習 評価指標 まとめ 頻出
G検定トップ
＞ 評価指標まとめ（チートシート）
まず結論
評価指標は 1つだけを見るのは危険 です。 目的に応じて、複数の指標を組み合わせて判断します。
👉 G検定では 「何を見たい指標か」 を理解しているかが問われます。
混同行列（すべての土台）
| 予測：陽性 | 予測：陰性 | |
|---|---|---|
| 実際：陽性 | TP | FN |
| 実際：陰性 | FP | TN |
- FP：誤検知 / FN：見逃し
- すべての評価指標は、ここから計算される
基本指標（まずここ）
Accuracy（正解率）
(TP + TN) / (TP + TN + FP + FN)
- 全体でどれだけ当たったか
- クラス不均衡では当てにならないことがある
Precision（適合率）
TP / (TP + FP)
- 誤検知をどれだけ抑えられているか
- アラートの信頼性を見る
Recall（再現率）
TP / (TP + FN)
- 見逃しをどれだけ防げているか
- 異常検知・医療で重要
F1-score
2 × (Precision × Recall) / (Precision + Recall)
- Precision と Recall のバランス指標
- クラス不均衡データで有効
曲線系の指標（しきい値全体を見る）
ROC曲線 / AUC
- 縦軸：TPR（Recall）
- 横軸：FPR（偽陽性率）
- AUC = 0.5 はランダム
- モデル比較に強い
Precision–Recall曲線 / AP
- 横軸：Recall
- 縦軸：Precision
- クラス不均衡データで特に有効
- AP は PR曲線の面積
使い分け早見表（超重要）
| 状況 | 重視する指標 |
|---|---|
| 全体性能をざっくり | Accuracy |
| 誤検知を減らしたい | Precision |
| 見逃しを防ぎたい | Recall |
| バランス重視 | F1-score |
| モデル比較 | ROC / AUC |
| 不均衡データ | PR曲線 / AP |
G検定ひっかけ総まとめ
- Accuracy だけ見るのは危険
- Precision と Recall は 分母が違う
- F1 は 調和平均
- ROC は しきい値全体
- 不均衡なら PR曲線
試験直前チェック
- 誤検知？ 見逃し？ どっちが困る？
- データは偏っている？
- 単一指標で判断していない？
👉 これを自分に問いかければ、指標選択で迷いません。
🔗 関連記事
🏠 G検トップに戻る