F値（F1 Score）とは、適合率（Precision）と再現率（Recall）の調和平均で計算される評価指標です。F1 = 2×Precision×Recall/(Precision+Recall)で定義され、適合率と再現率のバランスを1つの数値で表現します。
なぜ調和平均か
算術平均ではなく調和平均を使う理由は、一方が極端に低い場合にF値も低くなるためです。例えば、Precision=1.0、Recall=0.01の場合、算術平均は0.505ですが、F値は0.02となり、バランスの悪さを適切に反映します。
| ひとことで言うと | 適合率と再現率のバランスを1つの数値にまとめた指標。 |
|---|---|
| どこで使う | 不均衡データでの分類評価。どちらか一方に偏っていないかの確認。 |
| 注意点 | 両者を同じ重みで扱う。見逃しを重く見たい場合はF2など重み付き版を使う。 |
Fβスコア
Fβスコアはβの値で適合率と再現率の重みを調整できます。β>1は再現率を重視（F2など）、β<1は適合率を重視（F0.5など）します。
1適合率を計算予測の的中率
▶
2再現率を計算取りこぼしのなさ
▶
3調和平均を取る低いほうに引っ張られる
▶
4F値が決まる両方高いときだけ高得点
マクロ平均とマイクロ平均
多クラス分類では、マクロ平均（各クラスのF値の平均）とマイクロ平均（全データをまとめて計算）の2種類があり、クラスの不均衡度に応じて使い分けます。