機械学習で使う指標総まとめ(教師あり学習編) - プロクラシスト
こんにちは、ほけきよです！ 機械学習の基本は教師あり学習です。 でも、実際の現場ではいろいろ指標が出てきて「?」 ってなるので、一回本気でまとめてみることにしてみました！ 教師あり学習の分類 二値分類 用語一覧表 図解 事例 事例1:果物の分類 事例2:ガンかどうかの検査 ROC曲線の意味合い 指標まとめ 多クラス分類 precision, recall, F-measure accuracy logarithm loss 出力が数値(回帰) 用語一覧 二乗誤差(MSE, RMSE)と絶対誤差(MAE)の使い分け AICとBIC, wAICの使い分け 時系列問題 参考になりそうなサイト 教師あり学習の分類 今回は正解はカテゴリか意味を持つ数字かで場合分けをしてみた。 全体の指標のサマリーはこんな感じ(だと思っている。) ※他にも大事な指標があるよ&これは間違っているのでは？？ というコメン
（追記あり）家にパソコンを持たないプログラマー達 - 夜中に前へ
こんばんは、夜中たわしです。 【追記】 多くのご指摘のコメントをいただいており、軽い気持ちで本記事を書いたことを反省しております。 後半の内容は「そういや彼はPC持ってなかったな」とふと思い出したので、おまけとして勢いのまま書いたものです。正直、本題とはほぼ関係ありません。 そして複数の方にご指摘いただいている通り、PCの所持・不所持が技術力に必ずしも影響するとは限りません。 補足しますとこのエピソードは私も新人、switch文の彼も新人、笑った彼も新人の頃の話です。 また笑いはあったもののそれで終わりではなく、その後講師の方からは手厚いフォローがありました。 そのあたりの表現が稚拙であったことに加え、他人の過去の失敗を笑い話として持ち出すという、配慮に欠けた文章であったことをお詫びいたします。 コメントいただいた中には私の知らなかった知識もあり、他人のことを面白がっている場合じゃないなと
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
