DS検定 用語解説
F値とは
PrecisionとRecallの調和平均。
F値の意味と見分け方
F値は、DS検定の「第5章 データ準備・可視化技法とモデル化」に出てくる用語です。定義だけでなく、どの場面で使う言葉か、何と混同しやすいか、問題文のどの表現で判断するかまで確認します。
情報源と編集区分
公式範囲を確認し、具体例・誤答例・判断手順は当サイトが編集。
試験概要（公式）試験での問われ方
定義の言い換え
用語そのものではなく、説明文の一部を言い換えて出されることがあります。
似た概念との比較
同じ章の用語と入れ替えた選択肢に注意します。対象、目的、使う場面を分けます。
具体例からの判断
問題文の事例が、定義のどの部分に対応しているかを先に確認します。
誤答しやすいポイント
「第5章 データ準備・可視化技法とモデル化」の問題で、取り違えやすい組み合わせです。
- 標本誤差とサンプリングバイアスの混同。標本誤差は標本抽出に伴う偶然のばらつき、サンプリングバイアスは抽出方法の偏りによる系統的な誤差。
- 過学習を『精度が高いこと』と誤解する。訓練データに過剰適合し未知データへの汎化性能が下がる問題として理解する必要がある。
- Precision（適合率）とRecall（再現率）の取り違え。目的（見逃しを減らしたいか、誤検知を減らしたいか）によって重視する指標が変わる。
関連する確認問題
第5章 データ準備・可視化技法とモデル化 / モデル化・評価
アンサンブル学習に使う手法の説明として、誤っているものはどれか。
誤っている説明を選ぶので、手法の仕組みの取り違えを探す。正解は「Random Forestは、決定木を1本ずつ順に追加して、前の木の誤差を補う方法である」である。Random Forestは、複数の決定木を並列に学習し、予測を多数決や平均でまとめる方法で、順に誤差を補うのは勾配ブースティングの仕組みである。勾配ブースティングの説明、およびXGBoostとLightGBMが勾配ブースティングの実装であるという説明は、いずれも正しい。したがって、Random Forestを順に追加する方法とする説明が、設問の誤った説明である。
第5章 データ準備・可視化技法とモデル化 / 非構造化データ処理
文章や画像、音声などを扱う処理についての説明として、誤っているものはどれか。
誤っている説明を選ぶので、処理の対象と内容を取り違えたものを探す。正解は「画像認識は、日本語の文を語に区切って品詞を付ける処理である」である。画像認識は画像に写っているものを判別する処理で、文を語に区切って品詞を付けるのは形態素解析である。係り受け解析が語句どうしの関係を解析する処理であること、形態素解析が文を語に区切って品詞を付ける処理であること、音声フォーマットの変換が保存形式を変える処理であることは、正しい説明である。したがって、画像認識に形態素解析の内容を当てはめた説明が、設問の誤った説明である。
第5章 データ準備・可視化技法とモデル化 / データ準備
データ準備の処理についての説明として、誤っているものはどれか。
誤っている説明を選ぶので、前処理の名称の取り違えを探す。正解は「標準化は、連続した数値を区間に区切ってカテゴリにする変換である」である。連続した数値を区間に区切ってカテゴリにするのは離散化で、標準化は、数値特徴量の平均やばらつきをそろえる前処理である。対数変換が大きな値の差を抑える変換であること、ダミー変数がカテゴリを0と1の列に置き換えたものであること、欠損値がデータの一部が記録されていない値であることは、正しい説明である。したがって、標準化に離散化の内容を当てはめた説明が、設問の誤った説明である。
同じ章で確認したい用語
到達チェック
- F値を一文で説明できる
- 同じ章の似た用語と違いを説明できる
- 問題文の具体例から、F値に関係する論点を拾える
- 関連問題を解き、誤答した選択肢の理由を確認できる
執筆: AI資格ドリル編集部（運営者情報を見る）