適合率・再現率・F値とは

まず押さえる結論

適合率・再現率・F値は、G検定の「大項目3 機械学習の概要」で確認しておきたい用語です。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。

比較記事でさらに確認する

具体例から判断の境界を固める

正則化ではなく、陽性予測の誤検知と見逃しを測る評価指標として捉える

確認対象を陽性として抽出する分類で、陽性と判定した中の正しさを見るのが適合率、実際の陽性をどれだけ拾えたかを見るのが再現率です。誤検知を減らす判断では適合率、見逃しを減らす判断では再現率が重要になります。F値は適合率と再現率の調和平均で、両方を一つの値で比較したいときの候補です。

問題文で見る箇所

真陽性、偽陽性、偽陰性、誤検知、見逃し、陽性予測という語から混同行列を作ります。式を暗記して代入する前に、設問が減らしたいのは偽陽性か偽陰性かを言葉で決めると、適合率と再現率の逆転を防げます。

隣接概念との境界

L1・L2正則化は損失へ罰則を加えて学習を調整する方法です。適合率・再現率・F値は学習後の予測を評価する指標なので、指標が低いという観測だけで正則化手法を一意に決めることはできません。閾値、データ、モデルも切り分けて検証します。

誤答しやすい選択肢

• ×見逃しを減らしたいのに、偽陽性だけを分母へ含む適合率を優先する。まず偽陰性を減らす再現率を確認します。
• ×F値を適合率と再現率の単純平均とする。F値は一方だけ高い状態を評価しにくい調和平均です。
• ×L1正則化を使えば再現率が必ず上がるとする。学習方法から特定の評価値を保証することはできません。

4段階の判断手順

1. 01陽性クラスが何を指すかを問題文から固定する。
2. 02誤検知は偽陽性、見逃しは偽陰性として混同行列へ置く。
3. 03陽性予測の確かさなら適合率、実陽性の捕捉なら再現率を選ぶ。
4. 04両指標をまとめる必要がある場合にF値を検討し、業務上の費用も別に残す。

到達条件: 具体例を混同行列へ置き、適合率・再現率・F値を選ぶ理由と正則化との役割差を説明できる。

試験での問われ方

誤答しやすいポイント

関連する確認問題

同じ章で確認したい用語