Deep Learning Academy · レッスン

適合率、再現率、F1、ROC-AUC

実運用の評価に必要な、正解率以外の指標を学びます

「適合率、再現率、F1、ROC-AUC」はCoddyKit上の無料Deep Learning Academyレッスンです。これはレッスン1/4です。下記で完全なレッスンを無料で読むことができます。その後、ブラウザ内の組み込みコードエディタと24時間対応のAIチューターでハンズオン演習できます。これはDeep Learning Academy学習パスの一部であり、ウェブとCoddyKitアプリ全体で進捗が同期されます。 Deep Learning Academyコースには全4レッスンが含まれています。

このレッスンの一部はまだ翻訳されておらず、英語で表示されています。

Accuracy Can Lie

When one class dominates, accuracy looks great even for a useless model. You need sharper metrics to judge real performance.

The Four Outcomes

Every prediction is a true positive, true negative, false positive, or false negative. These four counts power every richer metric.

Precision: Trust the Positives

Precision asks: of everything you flagged positive, how many truly were? High precision means few false alarms.

precision = tp / (tp + fp)

Recall: Catch Them All

Recall asks: of all the real positives, how many did you catch? High recall means few missed cases.

recall = tp / (tp + fn)

The Tradeoff

Push precision up and recall often drops, and the reverse. The right balance depends on the cost of each kind of mistake.

F1: One Balanced Score

The F1 score is the harmonic mean of precision and recall. It rewards models that keep both reasonably high.

f1 = 2 * p * r / (p + r)

Thresholds Move the Line

A classifier outputs a probability; the threshold decides positive versus negative. Sliding it reshapes precision and recall.

The ROC Curve

The ROC curve plots true positive rate against false positive rate across every threshold, showing the full tradeoff at a glance.

ROC-AUC in One Number

ROC-AUC is the area under that curve. It captures ranking quality with one threshold-free number from zero to one.

from sklearn.metrics import roc_auc_score

Reading AUC Values

An AUC of 0.5 is random guessing, while 1.0 is perfect separation. Higher means the model ranks positives above negatives well.

Pick the Metric That Fits

Choose your metric by the task: recall for disease screening, precision for spam filters, AUC for ranking quality.

Quick Check

Think about which metric counts how many real positives you successfully caught.

Recap

Go beyond accuracy with precision, recall, F1, and ROC-AUC. Each answers a different question, so match the metric to your goal. 🎯

よくある質問

「適合率、再現率、F1、ROC-AUC」レッスンは無料ですか？

はい。「適合率、再現率、F1、ROC-AUC」の完全なテキストはこのウェブで無料で読めます。インタラクティブに演習し（組み込みコードエディタと24時間対応のAIチューター）、Deep Learning Academyコースの残りをアンロックするには、CoddyKit PROにアップグレードしてください。 Deep Learning Academyコースには全4レッスンが含まれています。

「適合率、再現率、F1、ROC-AUC」で何を学びますか？

実運用の評価に必要な、正解率以外の指標を学びますブラウザで直接実行するハンズオンコードでDeep Learning Academyを演習し、24時間対応のAIチューターがレッスンを進める中での質問に答えます。

Deep Learning Academyを始めるのに経験は必要ですか？

事前経験は必要ありません。CoddyKitのDeep Learning Academyは初級者から上級者向けに構成されているため、ここから始めるか最初から始めて、自分のペースで進むことができます。これはレッスン1/4です。

「適合率、再現率、F1、ROC-AUC」レッスンにはどのくらい時間がかかりますか？

ほとんどのCoddyKitレッスンは約5～10分かかります。各レッスンはコンパクトでインタラクティブなので、着実に進歩し、ウェブとアプリ全体で正確に前回の場所から再開できます。

このDeep Learning Academyレッスンでコードを書いて実行できますか？

はい。すべてのDeep Learning Academyレッスンに組み込みコードエディタが含まれているため、ブラウザでリアルコードを書いて実行し、即座のAIフィードバックを取得できます。ローカル設定は不要です。

このコースのすべてのレッスン

← Deep Learning Academyに戻る