評価関数（Evaluation function）／評価指標（Metrics）とは？：AI・機械学習の用語辞典

用語「評価関数」について説明。機械学習モデルの性能／精度をスコアリングして評価するための関数を指し、例えば回帰問題なら平均二乗誤差、分類問題なら正解率などの関数がある。

[一色政彦，デジタルアドバンテージ]

連載目次

用語解説

　AI／機械学習の評価関数（Evaluation function）とは、機械学習モデルの性能（performance、精度）をスコアリング（＝点数化）して測定するための関数のこと。その関数の出力値が性能を評価するための指標（Metrics：メトリクス）となる。

図1　「評価関数」のイメージ

　モデル間で性能の良さを比較するためなどにも使われ、例えばKaggleに代表されるコンペティション（競技大会）では、評価関数の出力値などによってランキングが決定する。

　損失関数と同じものが、そのまま評価関数として使われることもある。それ以外にも、下記のように用途ごとに多種多様な評価関数があるが、特に回帰問題なら平均二乗誤差（MSE）、分類問題なら正解率（Accuracy）が有名である。

回帰問題の代表的な評価関数

• 平均絶対誤差（MAE：Mean Absolute Error）
• 平均二乗誤差（MSE：Mean Squared Error）
• 平均二乗誤差の平方根（RMSE：Root Mean Squared Error）
• 平均二乗対数誤差（MSLE：Mean Squared Logarithmic Error）
• 平均二乗対数誤差の平方根（RMSLE：Root Mean Squared Logarithmic Error）
• 平均絶対パーセント誤差（MAPE：Mean Absolute Percentage Error）
• 平均二乗パーセント誤差の平方根（RMSPE：Root Mean Squared Percentage Error）

二値分類問題の代表的な評価関数

• 正解率（Binary Accuracy）
• 適合率（Precision）
• 再現率（Recall）／感度（Sensitivity）
• 特異度（Specificity）
• F値（F-measure、F-score）／F1スコア（F1-score）
• 重み付きF値（Weighted F-measure）／Fβスコア（Fβ-score）
• LogLoss（Binary Logarithmic Loss）
• AUC（Area Under the ROC curve、ROC曲線のAUC）
• PR-AUC（Area Under the Precision-Recall curve、AUC-PR）／AP（Average Precision）

多クラス分類問題の代表的な評価関数

• 正解率（Multi-class Accuracy）
• LogLoss（Multi-class Logarthimic Loss）

「AI・機械学習の用語辞典」