![](https://cdn-ak-scissors.b.st-hatena.com/image/square/eecd38f15e97221136f600247049c189e044d0ef/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-9f5428127621718a910c8b63951390ad.png%3Fixlib%3Drb-4.0.0%26w%3D1200%26mark64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZ3PTkxNiZoPTMzNiZ0eHQ9JUU2JUE5JTlGJUU2JUEyJUIwJUU1JUFEJUE2JUU3JUJGJTkyJUUzJTgxJUFFJUU4JUE5JTk1JUU0JUJFJUExJUU2JTk2JUI5JUU2JUIzJTk1JnR4dC1jb2xvcj0lMjMyMTIxMjEmdHh0LWZvbnQ9SGlyYWdpbm8lMjBTYW5zJTIwVzYmdHh0LXNpemU9NTYmdHh0LWNsaXA9ZWxsaXBzaXMmdHh0LWFsaWduPWxlZnQlMkN0b3Amcz00Yzc3ZjMwY2E2YzlhY2M5ZDlkMjUzNWEwM2EyNjU2Yw%26mark-x%3D142%26mark-y%3D112%26blend64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZ3PTcxNiZ0eHQ9JTQwbWFhbWk0MTUmdHh0LWNvbG9yPSUyMzIxMjEyMSZ0eHQtZm9udD1IaXJhZ2lubyUyMFNhbnMlMjBXNiZ0eHQtc2l6ZT0zMiZ0eHQtYWxpZ249bGVmdCUyQ3RvcCZzPTc0ZjBkMTVhMzJiOTNiM2M1NjgzZmFiODYzMzZiMjk2%26blend-x%3D142%26blend-y%3D491%26blend-mode%3Dnormal%26s%3De4220656ea45d67ec13b3cce1c31669c)
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。
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
機械学習の評価方法 - Qiita
分類と回帰、両方に使える評価手法 ホールドアウト検証 モデルの汎化性能を評価する方法 交差検証(Cros... 分類と回帰、両方に使える評価手法 ホールドアウト検証 モデルの汎化性能を評価する方法 交差検証(Cross-validation) モデルの汎化性能を評価する手法 分類に使える評価手法 混同行列(Confusion matrix) 正解率(Accuracy) 適合率(Precision) 再現率(Recall) 特異度(Specificity) F値(F-measure) ホールドアウト検証 全てのデータセットを任意の割合で学習データ、検証データ、テストデータに分割して検証する方法。機械学習モデルの汎化性能評価に際して従来より使用されている一般的な検証方法です。 交差検証(クロスバリデーション) 交差検証(cross-validation)は、汎化性能を評価する統計的な手法で、分類でも回帰でも用いることができます。機械学習を行うとき、学習を行うための学習データと未知のデータに適用したときの