このセクションでは、分類モデルの評価に使用する指標の主な構成要素を定義します。まずは、
『Aesop'’s Fable: The Boy Who Cloudyed Wolf』(圧縮)
羊飼いの男の子が退屈し、街の群れの世話をします。楽しいひとときを過ごすため、彼は泣き声で「オオカミ!」と言っていますが、オオカミは見当たりません。村の人たちは群れを守るために走りますが、少年が冗談を言っていることに気づき、とても怒っています。
[前の段落を繰り返し N 回]
ある夜、羊飼いの少年は群れに近づいている本物のオオカミを見て、 「オオカミ!」と呼びます。村の住民は再びだまされて家に留まりません。空腹のオオカミは群れをラムチョップに変えます。お腹が空きました。パニックが発生
次の定義を見てみましょう。
- "Wolf" はポジティブ クラスです。
- "No wolf" 否定的なクラスです。
4 つの考えられる結果すべてを表す 2x2 の混同行列を使用して、「Wolf-prediction」モデルを整理します。
真陽性(TP):
|
偽陽性(FP):
|
偽陰性(FN):
|
真陰性(TN):
|
真陽性は、モデルが正しく陽性陽性クラスを予測した結果です。同様に、真陰性は、モデルが陰性クラスを正しく予測した結果です。
偽陽性とは、モデルが陽性クラスを誤って予測した結果です。偽陰性とは、モデルが陰性クラスを誤って予測した結果です。
以降のセクションでは、これらの 4 つの結果から導出された指標を使用して分類モデルを評価する方法について説明します。