micro-F1

{機械学習モデルの性能を評価する指標は数多く存在しますが、その中でも適合率と再現率は基礎となる重要な概念です。この二つの指標を理解することは、モデルの強みと弱みを把握し、目的に最適なモデルを選択する上で非常に大切です。適合率は、モデルが「正」と予測したデータのうち、実際に「正」であったデータの割合を示します。例えば、迷惑メールフィルターが100通のメールを迷惑メールと判定し、そのうち実際に迷惑メールだったものが80通だった場合、適合率は80%となります。つまり、適合率はモデルの予測の正確さを表していると言えます。一方、再現率は、実際の「正」データのうち、モデルが正しく「正」と予測できたデータの割合を表します。先ほどの迷惑メールフィルターの例で言えば、実際に迷惑メールだった120通のうち、80通を正しく識別できたので、再現率は約67%となります。再現率は、モデルが見逃した「正」データの少なさを表しており、網羅性を重視する場合に特に重要となります。適合率と再現率はトレードオフの関係にあり、一般的にはどちらか一方を重視すると、もう一方が犠牲になる傾向があります。例えば、適合率を上げるために予測を厳しくすると、実際には「正」であるデータも「負」と判定されてしまい、再現率が低下する可能性があります。逆に、再現率を上げるために予測の範囲を広げると、誤って「正」と判定されるデータが増え、適合率が低下する可能性があります。そのため、モデルの評価には適合率と再現率の両方を考慮し、目的に応じて適切なバランスを見つけることが重要です。