予測結果の評価尺度の一つ．
正と負の2クラスの分類問題を考える．
分類器の予測結果と，真の結果に基づいて以下のように分類．
例えば，真に正であるデータで，かつ，予測結果も正であったようなデータ数をTP個とする．
- 精度 (適合率, precision)：正と予測したデータのうち，実際に正であるものの割合
\[\mathrm{Precision}=\frac{TP}{TP+FP}\]
- 再現率 (recall)：実際に正であるもののうち，正であると予測されたものの割合
\[\mathrm{Recall}=\frac{TP}{TP+FN}\]
- F値 (F尺度, F-measure)：精度と再現率の調和平均．
\[\frac{2\mathrm{Recall}\cdot\mathrm{Precision}}{\mathrm{Recall}+\mathrm{Precision}}\]
- ブレイクイブンポイント (breakeven point)：
精度を上昇させると共に，再現率を下降させる，またその逆も可能なパラーメータを調整して，再現率と精度が同じになるとき，そのときの再現率(＝精度)
-- しましま
関連項目 †
リンク集 †
関連文献 †
![[PukiWiki]](image/ibisforest.png "[PukiWiki]")
