#author("2018-11-30T07:12:40+00:00","default:ibis","ibis")
* F値 (F-measure) [#v4ddfbb5]

//ここには %項目の説明を書いてください.よろしければ署名しておいてください.

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|
|~|~|正|負|
|予測結果|正|BGCOLOR(white):TP|BGCOLOR(white):FP|
|~|負|BGCOLOR(white):FN|BGCOLOR(white):TN|

- ''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
- ''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)'':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
- ''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
> -- こびとさん

** 関連項目 [#y3aabbb9]

//英語や同義語のあとに,#brで区切って関連する項目をリストしてください.
-[[F-measure]]
#br
-[[適合率]]
-[[精度]]
-[[precision]]
-[[再現率]]
-[[recall]]
-[[ブレイクイブンポイント]]
-[[breakeven point]]
#br
-[[ROC曲線]]
-[[マイクロ平均]]
-[[マクロ平均]]
#br
-[[検索:F値 精度 適合率 再現率]]

** リンク集 [#xb186cbb]

//関連するWWW資源があればリンクしてください.
-[[Wikipedia:Precision_and_recall]]

** 関連文献 [#e4e5c9bf]

//この%項目%に関連する書籍や論文を紹介してください.

-[[Book/データマイニングの基礎]] 5.2.5a
-[[Book/情報検索と言語処理]] 3.3節
-[[Book/Data Mining - Concepts and Techniques]] 10.4.1節
-[[Book/Data Mining - Practical Machine Learning Tools and Techniques]] 5.7節
-[[Book/Foundations of Statistical Natural Language Processing]] 8.1節
-[[Book/Principles of Data Mining]] 14.2.2節
-[[Book/パターン認識(Rで学ぶデータサイエンス5)]] 1.6節

トップ   編集 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