TensorFlow モデル評価指標とは？目的別の選び方と実装
TensorFlowでよく使用されるモデル評価指標には次のものがあります。
- 精度（Accuracy）：モデルが正しく予測したサンプルの数が全体のサンプル数に占める割合。
- 適合率（プレシジョン）：予測された全ての陽性サンプルのうち、実際に陽性クラスである割合。
- リコール率：実際に正クラスのサンプル全体の中で、正クラスとして正しく予測された割合。
- F1スコアは、モデルの精度とリコールを総合的に考慮した調和平均です。
- AUC値（Area Under the Curve）：ROC曲線下の面積で、2値分類モデルの性能を評価するために使用されます。
- 混同行列（Confusion Matrix）：異なるカテゴリーでのモデルの予測結果を示し、真陽性、偽陽性、真陰性、偽陰性が含まれます。
- ROC曲線（Receiver Operating Characteristic curve）は、二値分類モデルの再現率と偽陽性率を異なる閾値で視覚化するために使用される。
- PRカーブ（Precision-Recall curve）：二値分類モデルの精度とリコール率のバランスを異なる閾値で評価するためのもの。
これらの評価基準は、異なる側面での性能を総合的に評価し、タスク要件に最適なモデルを選択するのに役立ちます。
