Downloaded 17 times
![誤り率n個のデータに対する誤り率はで計算できます.I[R]は条件Rが真のときは1, それ以外は0となる定義関数](/image.pl?url=https%3a%2f%2fimage.slidesharecdn.com%2flt1-130629122510-phpapp01%2f75%2fLT-Section1-19-2048.jpg&f=jpg&w=240)
Recommended
![[PRML] パターン認識と機械学習（第1章：序論）](/image.pl?url=https%3a%2f%2fcdn.slidesharecdn.com%2fss_thumbnails%2fprmlchapter1-170903070406-thumbnail.jpg%3fwidth%3d640%26amp%3bheight%3d640%26amp%3bfit%3dbounds&f=jpg&w=240)
More Related Content
Similar to はじパタLT Section1
More from Tadayuki Onishi
はじパタLT Section1
- 1.
- 2.
- 3.
- 4.
- 5.
- 6.
- 7.
- 8.
- 9.
- 10.
- 13.パターン認識第1章 判別能力の評価第2章 k-平均法第3章階層的クラスタリング第4章 混合正規分布モデル第5章 判別分析第6章 ロジスティック回帰第7章 密度推定第8章 k-近傍法第9章 学習ベクトル量子化第10章 決定木第11章 サポートベクターマシン第12章 正規化とパス追跡アルゴリズム第13章 ミニマックス確率マシン第14章 集団学習第15章 2値判別から多値判別へ
- 14.パターン認識第1章 判別能力の評価第2章 k-平均法第3章階層的クラスタリング第4章 混合正規分布モデル第5章 判別分析第6章 ロジスティック回帰第7章 密度推定第8章 k-近傍法第9章 学習ベクトル量子化第10章 決定木第11章 サポートベクターマシン第12章 正規化とパス追跡アルゴリズム第13章 ミニマックス確率マシン第14章 集団学習第15章 2値判別から多値判別へ
- 15.• 入力された特徴量 からラベル を予測する問題を「判別問題」といいます.• ラベル を返す判別器 の予測精度を評価したい！判別能力の評価
- 16.
- 17.• 誤り率• 損失行列による評価•交差検証法による予測精度の推定• 陽性率, 偽陽性率, ROC曲線, AUC• 適合率, 再現率, F値各種指標
- 18.
- 19.
- 20.
- 21.
- 22.• 損失の値を で表し, 成分とする行列を損失行列とします.• クラス と判別すべきデータをクラス と誤ってしまったときの損失を表しています.損失行列による評価
- 23.
- 24.
- 25.• 学習データを2つに分け, 一方で判別器を推定します.•他方でその精度を評価し, 予測誤差を推定します.• これをk分割して繰り返す方法を「k-交差検証法」と呼びます.交互検証法による予測精度の推定
- 26.陽性率, 偽陽性率,ROC曲線, AUC陽性率,偽陽性率,ROC曲線, AUC
- 27.• 陽性率は「第1種の過誤」と思ってもらっていいかもです.• 偽陽性率は「第2種の過誤」と思ってもらっていいかもです.(こっちはヤバイやつ)• 偽陽性率をある一定の値以下に抑えたとき, 陽性率を最大化する判別器を採択します.• 縦軸を真の陽性率, つまり敏感度, 横軸を偽陽性率, つまり(1−特異度)を尺度としてプロットしたものです.• AUCはROC曲線下の面積のことです.分類器の性能の良さを表しています.陽性率,偽陽性率, ROC曲線, AUC
- 28.
- 29.• 検索結果内に, 実際に目的の情報を含んでいるページの割合が「適合率」です.•目的の情報を含んでいるページ全体の中で正しく検索結果の割合が「再現率」です.適合率, 再現率, F値