はてなブックマーク

Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article?

概要 「Qiita夏祭り」、「機械学習を使って、データから予測モデルを作って使おう！」の記事です。 👇コチラも読んでください！ DataRobotによるAutoML超入門 本記事は機械学習超入門として、PyCaretとGoogle Colaboratoryを使って、比較的少ない準備、コード量で機械学習を試す方法について紹介します。 今日、自動機械学習（AutoML）が開発されています。これにより、機械学習はコーディングや機械学習のスキルはなくても様々な人が今よりも低いハードルで利用できる技術になりつつあるかと思います。それゆえ、機械学習とはどんなものなのか、まずは簡単に触ってみたいという人も増えるかと思い、本記事を執筆しました。 ※本記事を読みながら試してくださった方々へ。本記事はローコンテクストであるほど良いと思っています。わかりにくい表記や追記すべき内容などありましたら気兼ねなく編集

真陽性（true positive） 正と予測して実際に正。 偽陽性（false positive） 正と予測したが実際は偽。 真陰性（true negative） 負と予測したが実際は正。 偽陰性（false negative） 負と予測して実際に負。 全体正解率（accuracy） 予測全体のうち、正しく分類できた割合。 適合率（precision） 陽性であると予測した集合の中で、実際に陽性だった割合。 再現率（recall） 実際に陽性である集合の中で、陽性であると予測された割合。 F値（F-measure） 適合率と再現率の調和平均。 ROC曲線（receiver operating characteristic curve） 真陽性率と真陰性率を組み合わせて作成した曲線。二項分類におけるモデルの評価に使用される。 AUC（area under curve） ROC曲線の積分値。