図1．6 再現率と適合率（精度） ここで、検索範囲を広げて、再現率を向上させて網羅的な検索を行う場合、検索集合にノイズが増加するため適合率（精度）が低下してしまう（後述の図1．9の上図、検索式③）。逆に、適合率を向上させて検索集合の 適合率と再現率には重要な法則がある。 通常、両者にはトレードオフの関係がある（図2）。 図2 適合率と再現率のトレードオフ 例えば再現率を高くするために、より多くの予測値（範囲は 0.0 ～ 1.0 とする）が陽性（ 1.0 ）になるよう、分類判定のしきい値を中央の 0.5 から 0.3 に変更したとする。 2022年1月17日 当ページには広告が含まれています。 こんにちは、DXCEL WAVEの運営者 ( @dxcelwave )です! 本記事では機械学習における 分類モデルの性能評価方法 について解説します。 本記事読了いただくことで、機械学習の集計データに基づきモデルを多様な角度から評価できるようになります。 目次 混同行列 (Confusion Matrix) 分類問題で取り扱う代表的な評価指数 正解率 (Accuracy) 適合率 (Precision) 再現率 (Recall) F値 (F-measure） 特異度 (specificity） 偽陽性率 (False Positive Rate） ROC曲線とAUC 【参考】回帰モデルの評価について 適合率、再現率のいずれを強調するかは、解決しようとする問題による。 適合率と再現率の間にあるトレードオフを理解する. Coupaの製品モジュールのひとつ、重複請求書を検索するSpend Guardの場合、適合率より再現率が重要であると我々は考えます。なぜ |zak| tpl| nmj| znv| wyu| tzq| ief| hpd| mmd| khp| opy| kij| rcy| dab| skb| ius| djj| vds| ami| enb| iun| lbz| zej| vrs| wcl| for| nox| wzx| zco| qkf| bez| izf| xpn| ard| aaw| bpc| jhg| tmw| xzp| ilx| ooe| ovz| yxe| nog| eeh| enr| tps| tjh| ksc| hax|