○この記事の要点
2,3回勉強しているのに、混合行列が覚えられません。
覚えるためにコードとともにアウトプットします。

○ソースコード(Python)

混合行列のテスト用

from sklearn.datasets import load_breast_cancer
from sklearn.linear_model import LogisticRegression
from sklearn.metrics import confusion_matrix
from sklearn.metrics import accuracy_score
from sklearn.metrics import precision_score
from sklearn.metrics import recall_score
from sklearn.metrics import f1_score
import numpy as np

# 乳がんデータのダウンロード
data = load_breast_cancer()
X = data.data
# ラベルの0と1を反転（データセットは0が悪性、1が良性だが、0を良性、1を悪性と扱いたい）
y = 1 - data.target
X = X[:, :10]

# ロジスティック回帰モデル
model = LogisticRegression()
# 学習
model.fit(X, y)
# 予測
predict = model.predict(X)
# 混合行列の表示用インスタンス
cm = confusion_matrix(y, predict)

混合行列

結果

print(cm)
[[337  20]
 [ 30 182]]

左上から右へ順にTN、FP、FN、TP
TN：実際にはネガティブのデータを正しくネガティブと予測したもの
　　今回の例だと、良性のデータを正しく良性と予測したもの
FP：実際にはネガティブのデータを間違えてポジティブと予測したもの
　　今回の例だと、良性のデータを間違えて悪性と予測したもの
FN：実際にはポジティブのデータを間違えてネガティブと予測したもの
　　今回の例だと、悪性のデータを間違えて良性と予測したもの
TP：実際にはポジティブのデータを正しくポジティブと予測したもの
　　今回の例だと、悪性のデータを正しく悪性と予測したもの
がんの予測としては、FN（悪性のデータを間違えて良性と予測したもの）はやばい。

正解率

予測結果全体に対し、正しく予測できたものの割合

正解率 = (TP + TN) / (TP + TN + FP + FN)

正解率

accuracy_score(y, predict)
0.9121265377855887

適合率

ボジティブと予測したものに対し、正しくポジティブと予測できたものの割合

適合率 = TP / (TP + FP)

適合率

precision_score(y, predict)
0.900990099009901

再現率

ボジティブのものに対し、正しくポジティブと予測できたものの割合

再現率 = TP / (TP + FN)

再現率

recall_score(y, predict)
0.8584905660377359

F値

適合率と再現率の両方の傾向を反映させた値

F値 = 2×(適合率×再現率)/(適合率+再現率)

F値

f1_score(y, predict)
0.8792270531400966

■感想
・毎回定義を読むたび納得するのだが、しばらくすると忘れる。。。
・実際に使う時にパッと出てくるようにしないと。。。