# クラス別の精度

> クラス別の精度 - クラス別の精度テーブルを使用して、各保護クラスのモデルの精度パフォーマンスを理解する方法。

This Markdown file sits beside the HTML page at the same path (with a `.md` suffix). It summarizes the topic and lists links for tools and LLM context.

Companion generated at `2026-07-15T05:55:44.941708+00:00` (UTC).

## Primary page

- [クラス別の精度](https://docs.datarobot.com/ja/docs/classic-ui/modeling/analyze-models/bias/cross-acc.html.md): Full documentation for this topic (Markdown sidecar).

## Sections on this page

- [クラス間の精度表](https://docs.datarobot.com/ja/docs/classic-ui/modeling/analyze-models/bias/cross-acc.html.md#cross-class-accuracy-table): In-page section heading.

## Documentation content

クラス別の精度 タブは、保護された各特徴量に対して、クラスごとにセグメント化された評価指標とROC曲線関連のスコアを計算します。 これらの指標を使用して、モデルのパフォーマンスと、特定の保護された特徴量/クラスセグメントでのモデルの動作をより理解できます。

## クラス間の精度表

クラス別の精度 テーブルを使用して、各保護クラスのモデルの精度パフォーマンスを理解できます。 上部のドロップダウンを使用して、保護された特徴量を変更します。

各精度指標の説明を次の表に示します。

| 指標 | 説明 |
| --- | --- |
| 最適化指標（この例ではLogLoss） | モデル構築前にデータページで選択された最適化指標を表示します。 |
| F1 | 陽性的中率とリコールに基づい計算されたモデルの精度スコアを報告します。 |
| AUC（曲線の下の領域） | モデルがさまざまなクラスをいかにうまく区別できるかを測定します。 |
| 正解率 | 正しく分類されたインスタンスの割合を測定します。 |

上記の例では、LogLoss（プロジェクトの最適化指標）を男性と女性で比較しています。 女性のスコアは低く、モデルは男性よりも女性の給与率を正しく予測するのに優れていることを意味します。