使い方
- 1 つの 2 値分類結果から、TP・FP・TN・FN を入力します。
- balanced accuracy を、再現率と特異度の間にある平均として読みます。
- balanced accuracy と正解率を比較して、クラス比率の偏りが数値を持ち上げていないか確認します。
Wave 6 classification metrics
陽性と陰性を同じ重みで見る
balanced accuracy は再現率と特異度の平均です。データ自体が偏っていても、陽性と陰性を同じ重みで見るため、少数クラスの悪さを見逃しにくくなります。
入力
計算すると、balanced accuracy と再現率・特異度・正解率を並べて確認できます。
Balanced accuracy はクラス間の公平さを見る簡易指標です
balanced accuracy は再現率と特異度の平均なので、陽性と陰性を同じ重みで評価します。データが偏っているときほど、この「同じ重み」が効いてきます。
なぜ正解率と比べるのか
正解率が balanced accuracy よりかなり高いなら、多数派クラスを当てるだけで見かけ上よく見えている可能性があります。少数クラスの取り扱いを見直すサインとして使えます。
次に見るべきもの
balanced accuracy は見出しとして便利ですが、再現率・特異度・件数も一緒に見て、どちら側の弱さが数値を下げているのかを確認してください。
よくある質問
balanced accuracy は何を見ている指標ですか？
balanced accuracy は再現率と特異度の平均です。陽性クラスと陰性クラスに同じ重みを与えるため、クラス不均衡があるときに正解率より実態に近いことがあります。
なぜ正解率の方が高く見えることがあるのですか？
多数派クラスをよく当てるだけで正解率は高く見えることがあります。balanced accuracy は再現率と特異度を平均するので、少数クラスの扱いが悪いと数値が下がりやすくなります。
balanced accuracy だけ見れば十分ですか？
十分とは限りません。見出しとしては便利ですが、再現率・特異度・件数を合わせて見て、どちら側の性能が足を引っ張っているかを確認する方が安全です。
共有 URL に件数やラベルは含まれますか？
含まれません。共有 URL には小数桁数などの軽い設定だけを入れ、件数やラベルはブラウザ内に残します。
関連
コメント（任意）
負荷を抑えるため、コメントは必要なときだけ読み込みます。