総合情報サイト / マニュアル / AIの学習 / 精度評価の見方(ディープラーニング)

精度評価の見方(ディープラーニング)

精度評価の見方_ディープラーニング_1.png

1.テストデータ正解率

テストデータでAIモデルの予測精度の評価したとき、AIがどのくらい正しく予測できたかを表す評価指標です。
100%に近いほど予測精度が良いことを表します。

MatrixFlowでは、学習データセットの一部を予測精度を評価するためのテストデータとして使い、AIモデルが予測した結果とテストデータ内の実際の値を比較しています。この項目は、テストデータのみの正解率を表示しています。

2.テストデータ損失

テストデータでAIモデルの予測精度を評価したときの損失関数の値です。
損失関数とは、実際の値と予測した値とのズレの大きさを計算する関数です。この値が小さいほどズレが少ないため精度が良いと言えます。

3.学習データ正解率

テストデータを除いた学習データでAIがどのくらい正しく予測できたかを表す評価指標です。
100%に近いほど予測精度が良いことを表します。

4.学習データ損失

テストデータを除いた学習データでAIモデルの予測精度を評価したときの損失関数の値です。
値が小さいほど精度が良いと言えます。