機械学習のF値の目安について

2025年11月10日

F値（F1スコア）とは何か

F値とは、モデルが「正しいと判断した中でどれだけ本当に正しかったか（適合率）」と「実際に正しかったもののうち、どれだけ正しく見つけられたか（再現率）」のバランスを表す指標です。

この2つの値はトレードオフの関係にあり、どちらかを高めるともう一方が下がることもあります。

F値はその両者の釣り合いをひとつの数値で示すもので、「精度と見逃しのバランス」を評価するのに最適な指標です。

値の範囲は0から1の間で、1に近いほど良いモデルといえます。

F値	評価の目安	解釈
0.9以上	非常に優秀	実運用レベルでほぼ完璧な判定が可能。
0.8〜0.9	高性能	精度と再現率のバランスが極めて良い。
0.7〜0.8	実用レベル	多くの業務で十分な性能を発揮できる。
0.6〜0.7	改善の余地あり	特徴量やデータ品質の改善が有効。
0.5〜0.6	低め	ベースライン（単純な予測）と同程度。
0.5未満	不十分	多くのケースで改善が必要。ただし不均衡データではこの範囲でも価値がある場合あり。

この表はあくまで一般的な目安であり、タスクやデータの性質によって「良い」とされる水準は変わります。

特に、正例（たとえば「異常」や「不正」など）が非常に少ないデータでは、F値が0.5程度でも実用的な成果と評価されることがあります。

テキストを扱う分野では、F値が0.8以上であればかなり優秀とされます。

感情分析のように曖昧なタスクでは0.7前後でも十分実用的です。

画像分類や医療画像診断では、誤判定の影響が大きいため、より高い精度が求められます。

F値0.9以上を目指すこともありますが、実際には再現率（見逃しの少なさ）を優先して評価することが多いです。

「正しいケース」が極端に少ないデータでは、F値が0.6前後でも高性能とされる場合があります。

このような場合は「F値」だけでなく、再現率や誤検出率もあわせて見ることが重要です。

ユーザーの行動予測や検索の関連性判定など、答えが一意に定まらない分野では、F値0.6〜0.8でも十分に効果が出ることがあります。

オンラインでのクリック率やコンバージョン率と組み合わせて評価するのが一般的です。

データの中で「正例」と「負例」が大きく偏っていると、F値の解釈は難しくなります。

その場合は、全体平均ではなく、クラスごとにF値を計算して平均を取る「Macro-F1」や、サンプル数に応じて重みをつけた「Weighted-F1」を使うのが一般的です。

予測の閾値（どのスコアを境に「正」とするか）を変えることで、精度と再現率のバランスが変わります。

業務目的に応じて、どちらを優先するかを調整することが重要です。

タスクによっては、再現率を重視したり、逆に誤検出を避けるために精度を重視したりします。

そのバランスを調整するために、「F値の再現率寄りバージョン」や「精度寄りバージョン」を使うこともあります。

モデル	適合率	再現率	F値	評価のコメント
ロジスティック回帰	中程度	中程度	約0.73	シンプルで安定した基準モデル。
ランダムフォレスト	高め	高め	約0.81	バランスが良く、汎用的。
XGBoost	高め	やや高め	約0.85	高精度モデルとして実務でよく使われる。
ニューラルネット	非常に高い	非常に高い	約0.88	高精度だがチューニングが難しい。