F値 (F-measure)

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.

真の結果
予測結果TPFP
FNTN
  • 正解率 (精度, accuracy):正や負と予測したデータのうち,実際にそうであるものの割合 \[\mathrm{Accuracy}=\frac{TP+TN}{TP+FP+TN+FN}\]
  • 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, 感度, sensitivity):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 \[\mathrm{Recall}=\frac{TP}{TP+FN}\]
  • 特異度 (specificity):実際に負であるもののうち,負であると予測されたものの割合 \[\mathrm{Specificity}=\frac{TN}{FP+TN}\]
  • F値 (F尺度, F-measure):精度と再現率調和平均. \[\frac{2\mathrm{Recall}\cdot\mathrm{Precision}}{\mathrm{Recall}+\mathrm{Precision}}\]
  • 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

-- こびとさん

関連項目

リンク集

関連文献


トップ   編集 凍結 差分 バックアップ 添付 複製 名前変更 リロード   新規 一覧 単語検索 最終更新   ヘルプ   最終更新のRSS
Last-modified: 2018-11-30 (金) 16:12:40 (13d)