このセクションの他の記事
精度評価の見方（画像データ（ディープラーニング））
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．テストデータ損失関数の値
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．学習データ損失関数の値
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。