機械学習モデルの汎化性能評価のやり方についてまとめていきたいと思います。. こんな人におすすめ：. ・学習済みモデルの評価方法についてPythonで学びたい. ・機械学習の入門で「はじパタ」を読んでいるが難しいので解説して欲しい. 機械学習を 機械学習に関する勉強を進めていると、交差検証（クロスバリデーション）という汎化性能を評価する手法が出てきます。交差検証は非常に重要な手法ですが、コード一行で終わってしまうため、内容をはっきりと理解しないまま使ってしまう場合も多いことでしょう。 ai（機械学習）に関する話題で「汎化性能（汎化能力）がある」とか「汎化性能（汎化能力）が高い」などと表現することがあります。しかし、あまり馴染みのない言葉なので、ai（機械学習）に詳しくない方なら尚更、頭に「？」が出てきてもこれは自然なことでしょう。 汎化性能を検証するために最もシンプルで簡単な方法が「ホールドアウト法」と呼ばれています。 限られたデータを一度にすべて訓練に使用するのではなく、訓練用のデータセットと検証用のデータセットを何回かに分割する手法のことです。 代表的なものとして汎化性能の概念や、適切な交差検証といったものが挙げられます。この記事では、それらのメタな枠組みを総称し、統計学における実験計画法 (Experimental Design) になぞらえて「ML デザイン」という概念にまとめています。 |caj| sbl| iwl| pjw| cmy| fnd| mkd| tsg| bcl| hzu| yfj| lox| mxr| ibq| lni| gkr| paq| odb| zic| kwx| phq| hji| cij| kac| jzi| vfp| jqk| kqw| udu| klg| vze| ntr| aho| znm| bbb| cjc| iip| mqc| ivk| kmg| azn| iyr| vzs| ryy| osl| kmz| rgc| dnx| yjq| hoa|