機械学習の検証方法
R^2を使う
- 単純に2:8で分割するのではなく、それを何パターンも試す
- 状況に応じて、いろんな分割方法がある
- 特定のグループを全てテストケースに入れたいときとか
- 膨大なデーターがある時に、全部は使わずに一部だけとるとか
- 本の5.1に色々書いてある
精度の数字を比べるだけでは足りない、実際の用途に応じてフレキシブルに
- 例: 医療において偽陽性より偽陰性の方がやばいのは明らか、二つのミスを同じ重みで扱わないようにする
#教師あり学習 #機械学習 #Pythonで始める機械学習
Search
R^2を使う
精度の数字を比べるだけでは足りない、実際の用途に応じてフレキシブルに
#教師あり学習 #機械学習 #Pythonで始める機械学習
線形モデルは、多次元のデーターに対しては非常に強力 つまり、に注意する必要がある () p67に良くまとまっている パラメーターは、アルファorCの調整が重要 線形モデルは、基本的に非常に高速、予測も高速 予測手法がわかりやすい 課題としては、の意味が理解しにくい の数が、サンプルの個数よりも多いときに性能を発揮する https://riptutorial.com/ja/machine-learning/example/23896/ロジスティック回帰とsvmの違い は、分割する線の周りにスペースを取りたがる、は違う #教師あり学習 #機械学習 #Pythonで始める機械学習...