モデル性能の評価
正解率、F1 スコア、誤差指標について学びます。
「モデル性能の評価」はCoddyKit上の無料Python For Kidsレッスンです。 これはレッスン5/5です。 下記で完全なレッスンを無料で読むことができます。その後、ブラウザ内の組み込みコードエディタと24時間対応のAIチューターでハンズオン演習できます。 これはPython For Kids学習パスの一部であり、ウェブとCoddyKitアプリ全体で進捗が同期されます。 Python For Kidsコースには全5レッスンが含まれています。
モデル評価指標
モデル性能の評価
機械学習モデルが効果的に機能することを確認するには、その性能を評価することが重要です。分類問題では、正解率、適合率、再現率、F1スコアなどの指標を使用します。
正解率
正解率は、正しく予測できたデータ数と全データ数の比率です。
Accuracy = (True Positives + True Negatives) / Total Instances
正解率は便利ですが、不均衡なデータセットでは正解率だけでは不十分な場合があります。
適合率
適合率は、陽性と予測した結果がどれだけ正しいかに着目した指標です。
Precision = True Positives / (True Positives + False Positives)
適合率が高いほど、偽陽性が少ないことを意味します。
再現率
再現率は、すべての陽性データを正しく識別するモデルの能力を測定します。
Recall = True Positives / (True Positives + False Negatives)
再現率が高いほど、偽陰性が少ないことを意味します。
F1スコア
F1スコアは、適合率と再現率の調和平均です。
F1 Score = 2 * (Precision * Recall) / (Precision + Recall)
適合率と再現率のバランスを示すため、特に不均衡なデータセットで役立ちます。
scikit-learnを使った指標の計算
Scikit-learnには、これらの指標を計算する関数が用意されています。
from sklearn.metrics import precision_score, recall_score, f1_score
precision = precision_score(y_test, y_pred)
recall = recall_score(y_test, y_pred)
f1 = f1_score(y_test, y_pred)
print(f"Precision: {precision:.2f}")
print(f"Recall: {recall:.2f}")
print(f"F1 Score: {f1:.2f}")混同行列
混同行列を使うと、モデルの性能を詳細に確認できます。
- 真陽性（TP）: 正しい陽性予測
- 偽陽性（FP）: 誤った陽性予測
- 真陰性（TN）: 正しい陰性予測
- 偽陰性（FN）: 誤った陰性予測
適切な指標の選択
どの指標を選ぶかは、問題によって異なります。
- 正解率: バランスの取れたデータセットで適しています。
- 適合率: 偽陽性のコストが高い場合に重要です。
- 再現率: 偽陰性のコストが高い場合に重要です。
- F1スコア: 不均衡なデータセットに適したバランス指標です。
まとめと次のステップ
このレッスンでは、次の内容を学びました。
- モデル性能の評価指標（正解率、適合率、再現率、F1スコア）
- scikit-learnを使用したこれらの指標の計算方法
- 混同行列の解釈方法
次は、クラスタリングなどの教師なし学習手法を学びます。
AI チューターと学ぶ Python — 無料
ブラウザでリアルコードを書いて実行し、24/7 の AI チューターから瞬時にサポートを受け、ウェブまたはアプリで続きから学習できます。
- コース
- 22
- レッスン
- 94
よくある質問
「モデル性能の評価」レッスンは無料ですか？
はい。「モデル性能の評価」の完全なテキストはこのウェブで無料で読めます。インタラクティブに演習し（組み込みコードエディタと24時間対応のAIチューター）、Python For Kidsコースの残りをアンロックするには、CoddyKit PROにアップグレードしてください。 Python For Kidsコースには全5レッスンが含まれています。
「モデル性能の評価」で何を学びますか？
正解率、F1 スコア、誤差指標について学びます。 ブラウザで直接実行するハンズオンコードでPython For Kidsを演習し、24時間対応のAIチューターがレッスンを進める中での質問に答えます。
Python For Kidsを始めるのに経験は必要ですか？
事前経験は必要ありません。CoddyKitのPython For Kidsは初級者から上級者向けに構成されているため、ここから始めるか最初から始めて、自分のペースで進むことができます。 これはレッスン5/5です。
「モデル性能の評価」レッスンにはどのくらい時間がかかりますか？
ほとんどのCoddyKitレッスンは約5～10分かかります。各レッスンはコンパクトでインタラクティブなので、着実に進歩し、ウェブとアプリ全体で正確に前回の場所から再開できます。
このPython For Kidsレッスンでコードを書いて実行できますか？
はい。すべてのPython For Kidsレッスンに組み込みコードエディタが含まれているため、ブラウザでリアルコードを書いて実行し、即座のAIフィードバックを取得できます。ローカル設定は不要です。