２項分類モデル
二項分類モデルの性能を評価するために用いられる指標にはいくつかあります。以下に、主な指標を説明します：
- 正解率（Accuracy）:
- 正解率は、全体の予測結果のうち、正しい予測の割合を示します。
- 式: ( \text{Accuracy} = \frac{\text{TP} + \text{TN}}{\text{TP} + \text{TN} + \text{FP} + \text{FN}} )
- ただし、TPは真陽性（True Positives）、TNは真陰性（True Negatives）、FPは偽陽性（False Positives）、FNは偽陰性（False Negatives）を表します。
- 適合率（Precision）:
- 適合率は、陽性と予測されたデータのうち、実際に陽性であった割合を示します。
- 式: ( \text{Precision} = \frac{\text{TP}}{\text{TP} + \text{FP}} )
- 再現率（Recall）:
- 再現率は、実際に陽性であるデータのうち、正しく陽性と予測された割合を示します。
- 式: ( \text{Recall} = \frac{\text{TP}}{\text{TP} + \text{FN}} )
- 特異度（Specificity）:
- 特異度は、実際に陰性であるデータのうち、正しく陰性と予測された割合を示します。
- 特異度は、(1 – \text{偽陽性率}) または (1 – \text{FPR}) として計算することもできます。
- 式: ( \text{Specificity} = \frac{\text{TN}}{\text{TN} + \text{FP}} )
これらの指標は、分類モデルの性能を評価するために使用されます。一般的には、正解率、適合率、再現率のバランスを考慮しながらモデルの性能を評価します。
コメント