このセクションの他の記事
精度評価の種類(分類・回帰)
◆分類

1.テストデータ正解率

正解率は、予測結果のうち実際の正解とどれだけ一致しているかを示す評価指標です。
学習データセットの一部をテストデータとして用いてAIに回答させ、
正解率を導き出しているため「テストデータ正解率」と表示されています。
2.適合率

適合率は、学習結果において、
実際の正解のある学習データとAIが予測した間で、正しかった(適合した)ものの割合です。
正解データと、どの程度一致しているのかを表す「正確性」に関する評価指標です。
正解データとは?:教師データとも呼ばれ、ある原因データに対する結果に相当するデータです。
3.再現率

再現率とは、真の値が正解データのもののなかで正解データと予測した割合を表しています。
正解データを、どのくらい網羅しているのかを表す「網羅性」に関する評価指標です。
4.F値

「正確性の適合率」と「網羅性の再現率」のどちらも、同じ程度に示す評価指標です。
5.混同行列

正解データと予測したものが交差して示される評価指標です。
<例>
(1)正解0→当←0予測:47件
テストデータでは0、AI予測でも0判定(正解)
(2)正解1→×←0予測:12件
テストデータでは1、AI予測では0判定(予測ハズレ)
(3)正解1→当←1予測:23件
テストデータでは1、AI予測でも1判定(正解)
(4)正解0→×←1予測:8件
テストデータでは0、AI予測では1判定(予測ハズレ)
・混同行列の色の濃さ
正解とAIの予測が同期している件数が多いほど、濃い紫で表示されます。
予測と正解の数値が一致している部分の色が濃ければ、精度は高いと言えます。
逆に、予測と正解の数値が一致していない部分の色が濃ければ、精度が低いと言えます。
◆回帰

1.テストデータ精度(R2)

回帰によって導いた学習済みAIの精度を表現する値です。
テストデータで予測した値が実際の値とどの程度一致しているかを示す評価指標です。
予測値と実際の値の誤差が大きいほど値は小さくなり、
予測値と実際の値の誤差が小さいほど値は1に近づきます。
そのため、「1」に近づくほど精度が高いと言えます。