このセクションの他の記事
- 学習とは
- AIの学習設定
- 学習の詳細設定
- 学習の実行と進捗・学習の中止
- AIの学習の終了
- 概要
- 期待される効果
- 精度評価
- 精度評価の値について
- 精度評価の見方(分類・回帰)
- 精度評価の見方(文書データ(自然言語処理))
- 精度評価の見方(画像データ(ディープラーニング))
- 精度評価の見方(時系列解析)
- テスト結果の見方(数値)
- テスト結果の見方(ファインチューニング)
- 重要度
- RAGプロンプト管理機能
- テキストマイニング
- クラスタリング
- 学習情報
- 最適化の条件設定
- 最適化の式での条件設定
- 最適化結果の見方
- 最適化の仕組み
- 他のAIを確認する
- 再学習
- 学習済みAIの保存
- AIの作成お疲れさまでした!
精度評価
学習済みAIの予測精度を評価する指標を一覧で表示します。
■数値データの場合
分類は次の評価指標を用います。

・混同行列
・正解率
・適合率
・再現率
・F値
回帰は次の評価指標を用います。

・精度(R2)(決定係数)
・二乗平均平方根誤差(RMSE)
■文書データ(自然言語処理)の場合

文章などを自然言語解析してから、分類を行う使い方を想定しています。そのため、評価指標は数値データの分類とほぼ同じです。
次の評価指標を用います。
・混同行列
・マクロ適合率
・マクロ再現率
・全体正解率
・平均正解率
・マクロF値
■画像データの場合

タブで[テストデータ]と[学習データ]を切り替えて、それぞれのデータでの評価指標を確認できます。
・テストデータ正解率
・テストデータ損失関数の値
・学習データ正解率
・学習データ損失関数の値
■時系列データの場合

時系列データの学習結果は他のAIモデルと異なり、グラフで表現します。
画面左の[表示内容]から確認したい指標のグラフを選択します。
・予測値
・トレンド
・変化点
・相関グラフ
・周期
精度評価の詳細な見方は、それぞれのページをご覧ください。
- 数値データ :精度評価の見方(分類・回帰)
- 文書データ :精度評価の見方(文書データ(自然言語処理))
- 画像データ :精度評価の見方(画像データ(ディープラーニング))
- 時系列データ:精度評価の見方(時系列解析)