![](https://cdn-ak-scissors.b.st-hatena.com/image/square/181b0d5989b25154894e09709163182e2904738b/height=288;version=1;width=512/https%3A%2F%2Fqiita-user-contents.imgix.net%2Fhttps%253A%252F%252Fcdn.qiita.com%252Fassets%252Fpublic%252Fengineer-festa-ogp-background-074608b13b4bbe67c10ada41e7e2d292.png%3Fixlib%3Drb-4.0.0%26w%3D1200%26mark64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZ3PTk3MiZoPTM3OCZ0eHQ9QXZlcmFnZSUyMFByZWNpc2lvbiVFMyU4MSVBOCVFMyU4MSVBRiVFRiVCQyU5RiVFRiVCQyU4OCVFNSU4OCU5RCVFNSVCRiU4MyVFOCU4MCU4NSVFNSU5MCU5MSVFMyU4MSU5MSVFRiVCQyU4OSZ0eHQtYWxpZ249bGVmdCUyQ3RvcCZ0eHQtY29sb3I9JTIzRkZGRkZGJnR4dC1mb250PUhpcmFnaW5vJTIwU2FucyUyMFc2JnR4dC1zaXplPTU2JnM9MjkxN2MxMWY4NTdiMzVlMGJjNjNkYWIyNmQxYmMwNGE%26mark-x%3D120%26mark-y%3D96%26blend64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZoPTc2Jnc9OTcyJnR4dD0lNDBpYW10YXJvJnR4dC1jb2xvcj0lMjNGRkZGRkYmdHh0LWZvbnQ9SGlyYWdpbm8lMjBTYW5zJTIwVzYmdHh0LXNpemU9MzYmdHh0LWFsaWduPWxlZnQlMkN0b3Amcz05ZmUwNWMyOTcxZDk0MDgzMjU1YjlkY2UyYzBmODhjZA%26blend-x%3D120%26blend-y%3D500%26blend-mode%3Dnormal%26s%3Da5219cb6c1cfe481055a69f23643bd68)
エントリーの編集
![loading...](https://b.st-hatena.com/bdefb8944296a0957e54cebcfefc25c4dcff9f5f/images/v4/public/common/loading@2x.gif)
エントリーの編集は全ユーザーに共通の機能です。
必ずガイドラインを一読の上ご利用ください。
Average Precisionとは?(初心者向け) - Qiita
記事へのコメント0件
- 注目コメント
- 新着コメント
このエントリーにコメントしてみましょう。
注目コメント算出アルゴリズムの一部にLINEヤフー株式会社の「建設的コメント順位付けモデルAPI」を使用しています
![アプリのスクリーンショット](https://b.st-hatena.com/bdefb8944296a0957e54cebcfefc25c4dcff9f5f/images/v4/public/entry/app-screenshot.png)
- バナー広告なし
- ミュート機能あり
- ダークモード搭載
関連記事
Average Precisionとは?(初心者向け) - Qiita
1. 結論 偽陽性と偽陰性の両方をどれだけ抑えられたか評価する指標 2. Average Precision(以下AP)とは... 1. 結論 偽陽性と偽陰性の両方をどれだけ抑えられたか評価する指標 2. Average Precision(以下AP)とは? 予測モデルの評価指標の一つ。 異常検知・発病リスク予測など、正例が極端に少ない予測を行うモデルの評価に役立ちます。 2.1 ちなみに他の評価指標は? 一番単純なものの一つとしてAccuracy(正答率)を挙げます。学校の試験の点数と一緒で、予測データのうち教師データと合致している割合を計算します。正例と負例のバランスが良いデータなら評価指標として機能します。 2.2 APとAccuracyとの比較 Accuracyは正例と負例の分布が片方に偏っていると機能しません。例えば異常検知タスクの場合、ほとんどのデータが負例と分かりきっています(=故障は頻繁に起こらない)。よって当てずっぽうに全部負例にしてもそこそこ当たるでしょう。 きちんと学習したモデルと当てずっぽうで予