第22回「scikit-learnの使い方（8）モデルの評価」

一般社団法人Pythonエンジニア育成推進協会はコラム「第22回「scikit-learnの使い方（8）モデルの評価」」を公開しました。

＃＃＃

こんにちは、小澤です。

今回は、分類モデルの評価指標の中でも特に重要な「カテゴリごとの分類精度」「予測確率の正確さ」、そして「混同行列の可視化と分析」について解説していきます。

単に「正解率が何％」というだけでは、分類モデルの性能は十分に評価できません。各カテゴリに対してどの程度正確か、モデルの確信度は信頼できるか、誤分類はどのカテゴリ間で起きているのかといった情報を把握することで、より実践的で信頼性の高いモデルを構築することが可能になります。

今回の内容は、教科書『Pythonによる新しいデータ分析の教科書（第2版）』の4.4.5章「モデルの評価」」（251〜261ページ） の箇所です。

1. 混同行列で全体の分類傾向を把握する
分類結果を視覚的に確認する方法として、混同行列（Confusion Matrix）が広く使われています。混同行列は、予測結果と実際のラベルの関係をマトリクス状に整理したもので、どのクラスをどのクラスと間違えたかが一目でわかります。

この続きは以下をご覧ください
(リンク »)