基礎・機械学習

F1スコアとは？F1 Score・調和平均で測るバランス

読み：えふいちスコア ／ 英：F1 Score（F値）

更新日： 読了目安：約7分

F1スコア（F1 Score／F値）は、適合率と再現率の調和平均で、二値分類のバランス指標です。本記事は計算練習ではなく、試験で問われるなぜ調和平均か・正解率との違い・RMSEなどとのすり替えに焦点を当てます。

試験で問われる見方

○：F値は適合率と再現率の調和平均（TF-376、TF-047、G-064）。

×：F値＝正解率、F値＝RMSE、F値＝平均二乗誤差の平方根など（TF-377、G-376、G-274）。

演習で確認する

G検定：TF-376、TF-377、G-064、G-495

定義と数値例

F1 ＝ 2 × 適合率 × 再現率 ÷ (適合率 ＋ 再現率)

適合率0.9・再現率0.1のとき、算術平均は0.5ですが、F1は約0.18と低い方に強く引きずられます。どちらか一方だけ優秀でもF1は高くなりません。

適合率再現率算術平均F1（概算）
0.90.90.90.9
0.90.10.5≈0.18
0.50.50.50.5

調和平均である理由

分類では適合率と再現率の両方が実用上有意味なことが多いです。調和平均は小さい値の影響を大きく反映するため、「片方だけ高い」モデルを過大評価しにくいです。

試験では「なぜ平均二乗誤差ではないのか」ではなく、「F値は分類の適合率・再現率のバランス」と答えられることが重要です。

不均衡データと正解率

正例が全体の1%しかないデータで、すべて「陰性」と予測すると正解率は99%に見えます。しかし再現率は0%で、F1も0に近くなります（G-064）。

だから不均衡問題では、正解率だけでなくF1やAUC（ROC曲線下面積）を確認する、というのが試験の定番説明です。

他指標との区別

指標タスク要点
F1 / F値分類適合率×再現率の調和平均
正解率分類全体の正解割合。不均衡で誤解しやすい
RMSE回帰予測と正解の二乗誤差の平方根（TF-377の誤答）
AUC分類閾値に依存しない性能の目安

すり替えに注意

誤った説明正しい理解
F値は回帰専用分類の指標（TF-377は×）
F値は適合率と再現率の算術平均調和平均（TF-376は○）
F1が高ければ正解率も必ず高い不均衡では両者が乖離しうる

よくある質問

F0.5やF2とは？

適合率と再現率の重みを変えた一般化（Fβ）。F1は等重み。F2は再現率をより重視します。

多クラス分類のF1は？

マクロ平均（クラスごとにF1を出して平均）やマイクロ平均などがあります。G検定では二値が中心です。

F1とAUCはどちらを見る？

F1は特定の閾値でのバランス、AUCは閾値全体の分離能力。目的に応じて選びます。