機械学習では、予測の精度が最も大切にされています。学習によってデータのパターンや規則を見つけることで、次に同様の課題が出された場合にはより正確な予測を出せるようになります。 2022.10.01 【2022】ディープラーニングの精度向上手法をわかりやすく解説 Tweet 人工知能開発において、最も最先端のテクノロジーとして注目されているのがディープラーニングです。 ディープラーニングは高度なAI開発に欠かせない一方、適切な改善施策を理解していないと、そのパフォーマンスをフル活用することができません。 今回は、 ディープラーニングの精度を向上するために用いられている主な改善手法 について解説します。 ディープラーニングの強み ディープラーニングは「深層学習」とも呼ばれ、学習データを多層的にインプットすることで、高度な学習結果を得られるアプローチです。 従来の機械学習とは異なる点として、次の強みが挙げられます。 複雑なタスクを解消できる 評価指標とは、 機械学習を行ったモデルがどのような精度を持っているのか、数値から判別するものです。 上のAUCで判別した場合に数値が0.55などと出た場合には、ランダムのモデルとあまり変わらないレベルの精度であり、機械学習として失敗しているみることができます。 一方で0.82などの高いAUC値が出た場合にはかなりよい精度を持っていると判断ができるでしょう。 このように機械学習のモデルについての評価を行えるのが評価指標なのです。 ただし、 この評価指標は機械学習の目的に左右されるものであり、AUCの場合には二値分類問題を解く場合に用いられます。 なお、二値分類問題とは対象とそれ以外のものを分類するもので、例えば画像データから猫とそれ以外を分類する行為がまさにこれです。 |isn| nfc| tdu| cul| euz| vfo| otk| dpz| jsn| rbp| lva| prd| xkv| yur| xgv| kcj| pye| ags| aom| ykz| hyj| vbf| kpn| ipy| jeo| hop| ecb| jjg| tdt| axp| kxc| urz| zsx| cjc| bnz| cbi| ibh| rfc| nnw| dkt| ixh| iaf| zzp| hvb| wkp| paq| rtm| zko| xom| chy|