一目でわかる正確度

• 説明: 正確な予測の比率
• デフォルトのしきい値: 下限 = 80%
• デフォルトの推奨:
  • 上昇傾向: 上昇傾向は、指標が向上していることを示します。 これは、モデルの再訓練の効果が出ていることを意味します。
  • 下降傾向: 下降傾向は、指標が悪化していることを示します。 フィードバック・データと訓練データの差異が明らかに広がっています。
  • 不規則または不定期変化: 不規則変化または不定期変化は、フィードバック・データが各評価で一貫性がないことを示します。 モデル性能モニタリングの最小サンプル・サイズを増やしてください。
• 問題タイプ: 二項分類と多項分類
• グラフ値: 時間フレーム内の最終値
• 使用可能な指標の詳細: 混同行列

正確度について

正確度は、アルゴリズムのタイプに応じてその意味が異なります。

• 多項分類: 正確度は、クラスが全体として正確に予測された回数を測定してから、その値をデータ・ポイント数で正規化することによって求められます。 詳しくは、Apache Spark 資料の Multi-class classification を参照してください。

• 二項分類: 二項分類アルゴリズムでは、正確度は ROC 曲線の下側の面積として測定されます。 詳しくは、Apache Spark 資料の Binary classification を参照してください。

• 回帰: 回帰アルゴリズムは、決定係数 ( R2) を使用して測定されます。 詳しくは、Apache Spark 資料の Regression model evaluation を参照してください。

計算

正確度は、真陽性と真陰性の数を、真陽性と真陰性の合計と、偽陽性と偽陰性の合計で除算したものとして定義されます。

                                     number of true positives + number of true negatives
Accuracy =   ________________________________________________________________________________________________________________

              (number of true positives + number of true negatives + number of false positives + number of false negatives)

もっと見る

品質結果の確認

親トピック: 品質指標の概要