【えふわんすこあ】
F1スコア とは？
最終更新:
💡 適合率と再現率を、同じ重みでまとめる
適合率と再現率の調和平均で、分類結果を評価する指標。両者を同じ重みでまとめるが、誤りの費用や真陰性の数を直接評価する指標ではない。
📌 このページのポイント
ひよこ 適合率と再現率って何が違うの？
ペンギン先生 ひよこ F1は何をまとめるの？
ひよこ 調和平均って、普通の平均と何が違うの？
ペンギン先生 たとえばPが0.9、Rが0.1なら、普通の算術平均は0.5だけど、F1は0.18だよ。低い値の影響が大きくなる。どちらを重視するかや誤判定の損失は、F1とは別に用途に合わせて考えるんだ。
ひよこ F1が高ければ、いつもよいモデル？
ペンギン先生 ひよこ F1が同じでも、内訳は違うことがある？
ペンギン先生 あるよ。P＝R＝0.6ならF1は0.6。P＝0.9、R＝0.45でもF1は0.6だけど、見逃しや誤検出の特徴は違う。多クラスではマクロ・マイクロ・加重平均などの集計方法もあるので、対象と方法をそろえて比べよう。
もっと詳しく知りたい人へ
陽性が一件もないときも、F1は必ず0？
TP・FP・FNがすべて0なら式の分母が0となり、数学的には未定義になる。scikit-learnは既定では警告を出して0を返すが、zero_divisionで扱いを変更できる。マクロF1はクラス別F1の単純平均、マイクロF1はTP・FP・FNを全体で合計してから計算、加重平均F1は実際のクラス件数に応じた平均である。
📖 おまけ：英語の意味
「F1 Score」 ＝ 適合率と再現率を等しく重視するFスコア
💬 Fスコアには適合率と再現率の重みを変える形もあるよ。F1は、その二つを等しく重視する形なんだ