（ 頭の整理 ）ROC曲線 を 描画（AUC面積 算出）するとき使うのは、分類器 による新規データ の 『クラス帰属確率』の 推定値 の方なので注意。 - Qiita
Precision-Recall Curve（適合率・再現率曲線）及び ROC Curve （ROC曲線）を 描画（AUC面積 算出）するときに依拠するのは、分類器 による新規データ の 『クラス帰属確率』の 推定値 で、(Python) sklearnモジュール の classification_reportメソッド を用いて、よく出力される 「適合率・再現率」が 依拠する「確定的な」クラス判定結果 ではありません。 学習用データで学習済みの「分類器」を使って、新規データ の クラス分類予測 を 行う際、帰属クラス を 「確定的」（断定的）に 予測 する方法 と、対象データ が 各クラス に帰属する「確率」 を 求める方法 の ２種類のやり方 があり、R言語の関数にも、Python言語 のメソッド（モジュール）にも、双方の形式で予測を行うライブラリ が 用意されています。 上記は、よく混
そろそろ本気で機械学習の評価方法について学習するよ - Y's note
Machine Learning for Hackers 作者: Drew Conway,John Myles White出版社/メーカー: Oreilly & Associates Inc発売日: 2012/02/28メディア: ペーパーバック クリック: 63回この商品を含むブログを見る 機械学習の評価方法について学習 機械学習初心者ですが最近業務で本格的に触り始めています。少し前までSmartPhoneのWebAppliを作ることを専門職としていたので機械学習の領域は未知な事が非常に多く、用語の意味ですら十分に理解できていません。今日は機械学習の評価方法を中心に学習(勉強)した内容を記録して行きます。例えばPrecision/Accuracy/Recallの言葉の違いやROC曲線,AUC評価などの技法といったものが話の中心になります。初心者視点で書いていますので専門性がありません。間
1
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
処理を実行中です
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
