分類モデルの評価
（１）正解率（Accuracy）
最もシンプルな評価基準は、正解率（Accuracy）である。
正解率＝正解した数（分子）／予測したデータ数（分母）
正解しやすいが、データに偏りがある場合は、この指標だけを結果とするのは危険である。
（２）適合率（Precision）と再現率（Recall）
データに偏りがある場合は、適合率（Precision）と再現率（Recall）を指標とするのが有効である。
１００通の受信メールで、うち９０通が通常メール１０通がスパムメールだっとして、メールがスパムか否かを予測するモデルを説明するのが上記２つ。
①適合率（Precision）
適合率（Precision）はモデルがスパムと予測したメールの内、実際にスパムだったメールの割合を示す。
適合率はスパムでないと予測しても、実際にはスパムだったという結果は、計算式に入らない。
②再現率（Recall）
再現率（Recall）とは、実際にスパムだったメールの内、モデルもスパムだと予測していた割合のこと。
正解ラベルがTrueのものの中で、正解率のこと。
適合率と再現率は、トレードオフの関係にあり、どちらを重視するかは、問題によって異なってくる。
見逃しが多かったとしても、正確な予測をしたければ、適合率を重視する。スパム有無を厳密判定する。
不正確が多くても見逃しを防ぎたい場合は、再現率を重視する。基準を緩めて、より多くのメールをスパムと判定する。
（３）F値
F値とは、適合率と再現率の調和平均のことで、式を用いる。 適合率と再現率の両方がバランス良く、高くなれば、F値も高くなる。
