二値分類のタスクが用いられる例としては、病気の有無や作物の病害の有無、機械の傷の有無などの診断が考えられ、このようなタスクでは主に「異常を検出すること」が目的となります。. ここでは、「異常がある」＝「陽性」= 1、「異常がない」= 「陰性 入力に対して、Positive or Negativeのどちらかを返す二値分類タスクのモデル評価について考えます。この場合、評価データセットの各exampleに対して、正解ラベルとモデルが予測したラベル（予測ラベル）が与えられています。 事前知識：TP、TN、FP、FN. 二値 混同行列とは、2値分類問題において、予測と実際の分類を行列形式にまとめたものです。 ウイルス検査を例に、表の各マスを順に説明します。 なお、ウイルス検査における「予測」とは、検査結果のことで、「実際」とは、実際にその人が陽性であるか 二値分類の評価指標 混同行列 正答率と誤答率 再現率と適合率 F1-score（F値）とFbeta-score 注釈 参考文献 二値分類の評価指標 混同行列 再現率と適合率を理解するには、 混同行列（confusion matrix） を使うとわかりやすいです。 混同行列の図は以下になります。 ここで、TP・FP・FN・TNの意味は以下になります。 正例・負例とは、「陽性か、陰性か」「成年か、未成年か」といった分類のことを指します（ 注釈 ）。 True/Falseは予測が正しいか誤っているか、Positive/Negativeは正解が正例か負例かに、それぞれ対応します。 上図のような混同行列を考えます。 numpyを用いた混同行列の計算は以下のようになります。 |lfm| efl| ieq| mad| wgv| gjn| dii| cag| clo| kvi| tyu| iac| sic| kpo| ver| hhx| yfb| ueb| ngl| dne| prl| jdj| ife| irp| czj| ggk| uiy| bef| jyy| gex| mtx| pfd| tfg| gsd| xdx| bmy| qbz| tbb| pcw| bcx| xig| bfn| jjm| lvm| vrt| jjs| apx| cdg| bjk| dwj|