エントリーの編集
エントリーの編集は全ユーザーに共通の機能です。
必ずガイドラインを一読の上ご利用ください。
機械学習の評価指標 | 機械学習のモデル性能を評価する感度・特異度・偽陽性などについて
記事へのコメント0件
- 注目コメント
- 新着コメント
このエントリーにコメントしてみましょう。
注目コメント算出アルゴリズムの一部にLINEヤフー株式会社の「建設的コメント順位付けモデルAPI」を使用しています
- バナー広告なし
- ミュート機能あり
- ダークモード搭載
関連記事
機械学習の評価指標 | 機械学習のモデル性能を評価する感度・特異度・偽陽性などについて
機械学習モデルの評価指標 機械学習モデルを評価する指標は以下のように多くの種類がある。どの指標を重... 機械学習モデルの評価指標 機械学習モデルを評価する指標は以下のように多くの種類がある。どの指標を重視すべきかは、実際に解決しようとする問題によって決める。例えば、機械学習によるがん診断などで、正常者をがん患者と間違って予測してても、がん患者を見逃ししたくなければ、感度や適合率に着目すればいい。 感度 sensitivity / 検出率 recall 感度 sensitivity は、陽性のデータを正しく陽性と予測した割合である。検出率 recall または True positive rate (TPR) ともいう。感度の計算には、陰性データの予測結果が含まれていない。そのため、すべてのデータを陽性と判定すれば(FN = 0)、感度を 100% にすることができる。 \[ TPR = \frac{TP}{TP + FN} \] 特異度 specificity 特異度 specificity