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
回帰の評価指標は「精度(R2)」（決定係数）です。
■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）
陽性判定の対象列
２値分類の場合、どちらの列を陽性（基準）として、再現率と適合率とF値の精度を計算するかを選択することができます。
※アルゴリズムによっては有効とならない場合があります。
精度評価の閾値
予測結果を判断するために用いる「信頼度」に対する閾値を設定できます。閾値は２つ目のラベルに対する設定となり、この設定に応じて精度が再計算されます。
※アルゴリズムによっては有効とならない場合があります。
