![](https://cdn-ak-scissors.b.st-hatena.com/image/square/d835bbed0abe86e3be96516a84aa1e910abacb77/height=288;version=1;width=512/https%3A%2F%2Fqiita-user-contents.imgix.net%2Fhttps%253A%252F%252Fcdn.qiita.com%252Fassets%252Fpublic%252Farticle-ogp-background-412672c5f0600ab9a64263b751f1bc81.png%3Fixlib%3Drb-4.0.0%26w%3D1200%26mark64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-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%26mark-x%3D142%26mark-y%3D57%26blend64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZoPTc2Jnc9NzcwJnR4dD0lNDBEZXJlayZ0eHQtY29sb3I9JTIzMjEyMTIxJnR4dC1mb250PUhpcmFnaW5vJTIwU2FucyUyMFc2JnR4dC1zaXplPTM2JnR4dC1hbGlnbj1sZWZ0JTJDdG9wJnM9YzY5NmYzNThlYmFjNjBhOTJhN2JhZDI3MzY5NDVjOTI%26blend-x%3D142%26blend-y%3D486%26blend-mode%3Dnormal%26s%3D80f9bda0fe7c7a209506e3567666ca8d)
エントリーの編集
![loading...](https://b.st-hatena.com/bdefb8944296a0957e54cebcfefc25c4dcff9f5f/images/v4/public/common/loading@2x.gif)
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。
機械学習のモデル評価、説明可能性のための指標 その1。ジニ係数とAUC。 - Qiita
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
![アプリのスクリーンショット](https://b.st-hatena.com/bdefb8944296a0957e54cebcfefc25c4dcff9f5f/images/v4/public/entry/app-screenshot.png)
- 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
機械学習のモデル評価、説明可能性のための指標 その1。ジニ係数とAUC。 - Qiita
推計された延滞率に対する順序性尺度によってモデルの精度を評価する。 はじめに Credit scoreでは、延... 推計された延滞率に対する順序性尺度によってモデルの精度を評価する。 はじめに Credit scoreでは、延滞する・しないを完全に分類するよりも、どのくらいの確率で延滞するかが重要です。そして、その確率に分類された結果が正しいか正しくないかという事も重要となります。その為の代表的な指標が、完璧なモデルと予測力がないモデルと予測したモデルを順序性尺度を使って評価されたものです。 説明可能性についてのまとめはこちら。 理解されるPOC作成のために、機械学習したモデルをどう評価し説明するかのまとめ。 指標にはGini indexまたはGini coefficient(ジニ係数)、AR(Accuracy ratio) (AR値)、AUC(Area under an ROC curve)を使用します。ここで指すジニ係数=AR値で、海外ではジニ係数を日本ではAR値を使用する事が多いようです。以降はジ