F値 - 機械学習の「朱鷺の杜Wiki」

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．

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)：再現率と適合率の調和平均． \[\frac{2\mathrm{Recall}\cdot\mathrm{Precision}}{\mathrm{Recall}+\mathrm{Precision}}\]
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)