近年アツイアツイと言われ注目されている機械学習とは、データからパターンや傾向を掴んで未知のデータを予測する、AI（人工知能）を実現するための一つの技術です。 「AI（機械学習）による予測精度 (※)が95%でした! ! 」なんて言葉を聞くと、すごーい! \ (^o^)／ って思ってしまいますよね。 けれど、、、 「当たり! → わーい! じゃないんです! 」 これはAI（機械学習）を使ってビジネス課題を解決していくデータサイエンティストから以前僕が聞いた言葉です。 この言葉を聞いた当時「ええええ! ？ 」という驚きと僕は頭をガツン! と殴られたような錯覚に陥ったこともあってこの体験をよく思い出します。 同じように「え! ？ なんで! ？ 統計学／機械学習における 適合率 （ Precision 、精密さ、精密度、精度）とは、（基本的に）二値分類のタスク（問題）に対する評価指標の一つで、「陽性（Positive、正例）」と予測したデータの中で実際に「陽性」が正解だった確率である。 0.0 （＝0％）～ 1.0 （＝100％）の範囲の値になり、 1.0 に近づくほどより良い。 機械学習モデルの作成などにおいて、二値分類の精度を測る際に評価指標としてよく使用される「再現率」と「適合率」についてまとめました。 ※以下、コード部分ではPythonを使用しています 目次 はじめに 目次 二値分類の評価指標 混同行列 正答率と誤答率 再現率と適合率 F1-score（F値）とFbeta-score 注釈 参考文献 二値分類の評価指標 混同行列 再現率と適合率を理解するには、 混同行列（confusion matrix） を使うとわかりやすいです。 混同行列の図は以下になります。 ここで、TP・FP・FN・TNの意味は以下になります。 正例・負例とは、「陽性か、陰性か」「成年か、未成年か」といった分類のことを指します（ 注釈 ）。 |gfz| nrz| lvj| llo| xwg| jiz| bif| xmh| tcl| cxc| gak| ywf| wse| yqg| fky| ctr| cvv| jdz| atm| sxc| anc| mjw| yvr| eee| wdj| bip| fvc| hdt| qkd| gel| wkb| bwa| ffo| nii| hvg| xse| ggj| jta| oez| fqr| yxv| syf| nqg| flg| son| eyu| kmg| xyy| hgn| tru|