F値/F1スコア

二値分類のタスク（問題）に対する評価指標の一つ

0.0(＝0％) ～1.0(＝100％)の範囲の値になり、1.0に近づくほどより良い。

1.0に近いことは、適合率と再現率の両方が同時にできるだけ高いことを意味するので、「最も効率よくバランスの取れた機械学習モデル」と言える。

F値の計算は、2×適合率×再現率を適合率＋再現率で割ることで計算できる。

https://scrapbox.io/files/65bc334e82965600256ce3b6.png

なぜ、こんなめんどくさいことをするのか？

つまり、F1スコアは、トレードオフ関係にある適合率と再現率でバランスを取りたい場面で使いやすい評価指標

再現率は、病気である人を見逃したくない(false negativeを防ぎたい)健康診断で、

適合率は、病気でない時に誤診したくない(false positiveを防ぎたい)精密検査で重要な指標だった

しかし、今回は健康診断でも精密検査でもなく、これらの両者のバランスが最もよくなるように（＝調和平均値が1.0に近くなるように）診断したいというシチュエーションがある。

つまり、

適合率と再現率が同等に重要なとき。

適合率と再現率をバランスしたいとき。

FPとFNを両方とも注目して評価したいとき

こんな時にF1スコアを使う