まとめ
- Balanced Accuracy は各クラスの再現率を平均して偏りを補正する指標です。
- 乳がん診断データで Accuracy との差を描画し、少数クラスの影響を確認します。
- 不均衡データで KPI として用いる際の注意点を整理します。
1. 定義 #
陽性クラスの再現率（TPR）と陰性クラスの再現率（TNR）を平均したものが Balanced Accuracy です。混同行列の記号を使うと次式になります。 \mathrm{Balanced\ Accuracy} = \frac{1}{2}\left(\frac{TP}{TP + FN} + \frac{TN}{TN + FP}\right) 多クラス分類の場合も、各クラスの再現率を平均すれば同様の考え方で拡張できます。
2. Python 3.13 での実装 #
python --version # 例: Python 3.13.0
pip install scikit-learn matplotlib
以下のコードは Accuracy との比較に使ったものと同じで、ランダムフォレストを学習させたあと alanced_accuracy_score と ccuracy_score を並べています。図は Accuracy の記事でも使っている static/images/eval/classification/accuracy/accuracy_vs_balanced.png を共有します。
import matplotlib.pyplot as plt
import numpy as np
from pathlib import Path
from sklearn.datasets import load_breast_cancer
from sklearn.ensemble import RandomForestClassifier
from sklearn.metrics import accuracy_score, balanced_accuracy_score
from sklearn.model_selection import train_test_split
from sklearn.pipeline import make_pipeline
from sklearn.preprocessing import StandardScaler
X, y = load_breast_cancer(return_X_y=True)
X_train, X_test, y_train, y_test = train_test_split(
X, y, test_size=0.25, random_state=42, stratify=y
)
pipeline = make_pipeline(
StandardScaler(),
RandomForestClassifier(random_state=42, n_estimators=300),
)
pipeline.fit(X_train, y_train)
y_pred = pipeline.predict(X_test)
acc = accuracy_score(y_test, y_pred)
bal_acc = balanced_accuracy_score(y_test, y_pred)
print(f"Accuracy: {acc:.3f}, Balanced Accuracy: {bal_acc:.3f}")
Balanced Accuracy はクラスごとの再現率を平均するため、不均衡データでも過大評価を避けられる。
3. いつ Balanced Accuracy を使うか #
- クラス不均衡が大きいとき … Accuracy だけでは多い方のクラスを当ててしまうだけで高得点になる。Balanced Accuracy なら少数クラスの再現率も同じ重みで評価できる。
- モデル間の比較 … 不均衡データ上で複数モデルを比較する際、Balanced Accuracy を併用すると能力差が浮き彫りになる。
- 閾値調整の目安 … Precision / Recall と組み合わせれば、どの閾値で両クラスをバランスよく拾えているかが分かる。
4. 他指標との併用 #
| 指標 | 何を測るか | 不均衡データでの注意点 |
|---|---|---|
| Accuracy | 全体の正解割合 | 多数派クラスだけを当てても高得点になる |
| Recall / Sensitivity | 特定クラスの検出率 | クラスごとに値が異なるので別々に報告が必要 |
| Balanced Accuracy | クラスごとの再現率の平均 | 各クラスを同じ重みで評価できる |
| Macro F1 | Precision と Recall の調和平均（各クラス同等） | Precision も考慮したい場合に有効 |
まとめ #
- Balanced Accuracy は「クラスごとの再現率の平均」。不均衡データでモデルを評価する際の基準に適している。
- Python 3.13 では alanced_accuracy_score 一行で計算でき、Accuracy との違いを数値で比較できる。
- Precision / Recall / F1 など他指標と併せて、どのクラスを重視するかを明確にしながら評価を進めよう。