F値とは、機械学習の分類モデルの性能を評価するための指標の一つです。適合率と再現率の調和平均として計算され、両者のバランスを考慮しながらモデルの精度を総合的に評価したい場合に広く用いられます。
F値とは
一言でいうと、F値とは、モデルの予測がどれだけ正確であるかを示す「適合率」と、見逃しなく正解を見つけられたかを示す「再現率」のバランスを評価するための調和平均値です。
詳しく解説
F値は、機械学習におけるモデルの性能評価、特に二値分類や情報検索の分野で重要な役割を果たします。モデルの精度を測る際には適合率と再現率という二つの視点がありますが、一方が高くてももう一方が低い場合があります。そこで、これら二つの指標の調和平均をとることで、モデル全体のバランスの良い性能を一つの数値として把握できるようにしたのがF値です。一般的には、両者を同等に扱う「F1スコア」が最もよく使われます。
具体例・使われ方
例えば、医療現場で患者の病気を診断するAIモデルを開発する場合を考えます。病気の検出において、見逃しを減らすことと誤診を減らすことの両方が極めて重要です。このとき、適合率と再現率の双方を考慮できるF値を計算することで、偏りのないモデル性能の評価が可能になります。
似た用語との違い
混同されやすい概念として正解率や適合率、再現率があります。正解率が全体のデータに対する正解の割合を示すのに対し、F値は適合率と再現率の調和平均という計算手法に基づいてバランスを評価する点に違いがあります。
注意点
F値はバランスの良い評価を可能にしますが、データのクラスが極端に不均衡な場合や、適合率と再現率のどちらをより重視すべきかというビジネス上の目的が曖昧な状況では、適切なモデル評価ができないおそれがあるため注意が必要です。
この解説は役に立ちましたか？誤りが含まれる場合はご報告いただけますと幸いです。
更新日時: 2026年9月3日 14:41