F値の理解
問題
F値に関する記述として正しいものを1つ選べ。
解説
F値（F-measure または F1-score）は、分類モデルの評価指標の一つで、適合率（Precision）と再現率（Recall）の調和平均をとったものです。
適合率と再現率はトレードオフの関係にありますが、F値を用いることでモデルの総合的な性能をバランスよく評価できます。
AI開発においては、正例と負例のデータ数に大きな偏りがある「不均衡データ」を扱う際によく用いられる重要な指標です。
1. F値は適合率と再現率の調和平均
正しい：F値は適合率と再現率の調和平均であり、両者のバランスを総合的に評価するための指標です。
2. F値は適合率のみを評価する
誤り：F値は適合率だけでなく、再現率も同時に考慮して計算されます。
3. F値は再現率のみを評価する
誤り：F値は再現率だけでなく、適合率も同時に考慮して計算されます。
4. F値は回帰モデル専用の指標である
誤り：F値は回帰モデルではなく、分類モデルの性能評価で用いられる指標です。
📚 より詳細を学びたい方へ
同じカテゴリの問題
- 教師あり学習の基本要件
- 回帰問題の理解
- 分類問題の特徴
- 決定木モデルの性質
- サポートベクターマシン（SVM）の理解
- カーネルとカーネルトリック
- 重回帰分析の理解
- 勾配ブースティングの特徴
- 多クラス分類の理解
- 教師あり学習のビジネス応用
- アンサンブル学習の基本概念
- バギングの特徴
- ブートストラップサンプリングの理解
- ランダムフォレストの性質
- ブースティングの理解
- ランダムフォレストの特徴
- 自己回帰モデル（AR）の理解
- VARモデルの特徴
- マージン最大化の理解
- ロジスティック回帰の理解
- 教師なし学習の基本概念
- k-means法の理解
- t-SNEの特徴
- ウォード法の理解
- 協調フィルタリングの理解
- クラスタリングの特徴
- 次元削減の理解
- 主成分分析（PCA）の理解
- 潜在的ディリクレ配分法（LDA）の理解
- 多次元尺度構成法（MDS）の理解
- デンドログラムの理解
- 特異値分解（SVD）の理解
- コンテンツベースフィルタリングの理解
- クラスタ分類の理解
- 強化学習の基本概念
- 方策（Policy）の理解
- 価値関数の理解
- 行動価値関数Q(s,a)の理解
- 状態価値関数V(s)の理解
- TD誤差の理解
- Actor-Criticの理解
- Q学習の特徴
- ε-greedy方策の理解
- UCB方策の理解
- バンディット問題の理解
- 方策勾配法の理解
- REINFORCEの特徴
- マルコフ決定過程（MDP）の理解
- マルコフ性の理解
- 期待割引報酬の理解
- 割引率γの理解
- 汎化性能の理解
- 訓練誤差と汎化誤差
- ホールドアウト検証の理解
- 交差検証の特徴
- k-分割交差検証の理解
- 混同行列の理解
- 偽陽性・偽陰性の理解
- 正解率の計算
- 適合率の計算
- 再現率の計算
- F値の理解
- 回帰指標MSEの理解
- RMSEの理解
- MAEの理解
- ROC曲線の理解
- AICの理解
- BICとオッカムの剃刀