機械学習⑤モデルの検証／データサイエンス入門

watanabe-tat

0

交差検証法でモデルを評価して、運用データを使って追加でホールドアウト法で追加学習することを試みたい。

puchi

0

ホールドアウト法に関して学んだ

koichi_seya

0

ホールドアウト法、交差検証法を使い分ける理由が理解できた。

k-akira

0

汎化性能を高める検証法の理解ができた

stani

0

モデル化するデータは最新でなければならない。

7031

0

モデルの汎化性能を検証する方法については、概ね理解出来ました。

user-name01

0

機械学習のために訓練用データと評価用データに分けていることを学んだ。

iso_ken

0

交差検証法の考え方は参考になった

choko0504

0

データサイエンスのモデル検証手法について理解することができた。実務で利用する機会があれば活用したい。

inyourmind

0

CVだとk回のそれぞれのケースにおいて別々のモデルパラメータとなると思いますが、実運用するときはそのうちのどのモデルを用いるのでしょうか?

kenjiro_fujita

0

機械学習の誤差を求める方法として、汎化誤差評価とクロスバリエーションという方法があることをはじめてしった。社内の機械学習モデルの精度を双方で評価した結果があるか確認していきたい。

vz3000

0

モデル検証法にホールドアウト法、交差検証法があること、状況に応じて検証法を選択する必要があることが理解できた。

sesesese

0

交差検証法について訳わかりませんでした。
モデルもk個できると思うのですが、どのモデルを採用するのですか？

ken222

0

ホールドアウト法と交差検証法をしっかり覚えたい。

k--g--

0

交差検証法を使う前に本当にデータを集められないか確認したい。

hfkd156036

0

モデルの汎化性能を検証する方法について理解できた

miura_ka

0

モデル検証法の種類について確認する事が出来た。

take515

0

検証方法の概要を確認できた。

kk1000

0

様々な検証法があり、選択していくのが難しいと感じました。

shirojpn

0

ホールドアウト法における、注意点として時系列データの活用での注意点として
挙げられた、訓練用には古いデータ、テスト用には新しいデータを用いるという点は
うっかりやってしまわないように注意したい。

vegitaberu

0

モデルの検証法について、復習でき、自分の理解がおおよそ正しいことが理解でき、自信となりました。ただし、それは理論だけのことなので、実際に使うには、足りない部分があると思ういますので、実際に使えるようにしたいと思います。

madogiwazoku

0

素人には難しすぎました。頭が痛いです。鼻血もでそうです。

suzuqp

0

訓練用には古いデータ、テスト用には新しいデータを用いるという点は言われてみればその通りだと感じました。データについての考慮が漏れていたことに気づけました。

taka1962

0

AIモデルの検証で高成績が得られていれば、AIを使うことへの不安を軽減させることができるので、大変重要だと思います

popcorn1212

0

機械学習を行うデータは多ければ多い程予測の精度があがる。
少ない場合は出た予測が必ずしも正しいとは判断しない方が良い。

k_k_ai

0

検証について良く理解できました。
実業務でも良く検証して精度が良いモデルができた・・という話をなんとなく聞いていましたが、この講座をきいたことで
その意味を理解することができました。

michiyomichiyo

0

訓練用と評価用のデータを分ける事

s-ma

0

モデルの評価手法とその特性について理解が深まった

haruka-

0

データ数、検証時間などで検証法を変えられる。用途やプロジェクトに応じて選択できると良い。

test_test___

0

ホールドアウト法と交差検証法についてそれぞの利点と欠点を学びました。

i_mura888

0

AIモデルの学習の際に活用出来る

cs1960

0

大変勉強になりました。

yokoishida

0

計算速度ですね。ものすごく大きなデータの話ですね。将来にわたり、私に限って扱う気がしません。

makidayo

0

モデル検証はわかりやすかった。

atsushi_komaki

0

ＤＳ検定リテラシーレベル合格のために。

kiyama-h

0

検証方法についてよく理解ができる内容。
復習にも便利。

pinguino

0

わかりやすかった。評価により精度の高いモデル運用をしたい。

sakurai_shingo

0

業務に活用できると思います。

hi-std

0

ホールドアウト法と交差検証法を学ぶ事が出来た。

70sp1208

0

ＡＩにおいても評価は重要であることがわかった。また、当たり前のことであるが、想定外のことがあって人的被害を起こしてしまってはいきないため、評価は念入りにしなかればいけないと思った。

tsukamotoya

0

汎化誤差について学びました。 汎化誤差は未知のデータに対する損失を表します。 この汎化誤差は訓練誤差とは異なり、学習が進むにつれて過学習などが生じてしまうと値がとても大きくなっ ていきます。ホールドアウト法についても学びました。全訓練データを 3 つのサブセットに分ける方法でした。業務に活かせるよう考えていきます。

h-kozawa

0

機械学習結果を検証する実務的な内容について、よく理解できました。

e_co

0

ホールドアウト法と交差検証法を理解できた。
使用するデータや量に注意が必要であると感じた。

ta-mo-

0

モデルの検証において、ホールドアウト、交差の選択としては、技術的には交差だと思うが、工数が課題ですね。
ユーザー部門との事前協議の上、検討が必要と感じた。

masato_86

0

試してみたいと思いました。

grateful

0

モデルの検証の方法を学びました。

takumi_1453

0

誤差の無い完璧なモデルとは?
■線形回帰やロジスティック回帰を用いて
　学習用データを完璧に説明できる殆ど誤
　差が無いモデルを作れたと過程
■本当に完璧なモデルか
■信用して実運用して大丈夫か

機械学習の全体像
■学習フェーズ
　過去のデータ→機械学習→学習済モデル
■運用フェーズ
　新たなデータ→学習済モデル→予測結果

本当に評価すべきは未知のデータに対する予測性能
■運用フェーズでの予測性能が重要
■運用フェーズではモデルにとって未知の
　データで予測することになる
■実運用で使えるかは未知データに対する
　評価結果で判断すべき

訓練誤差と汎化誤差
■機械学習ではデータに対する誤差を2種
　類に分けて考える
　①訓練誤差
　　学習に用いたデータに対する誤差
　②汎化誤差☆☆☆
　　未知のデータに対する誤差
　　→未知のデータに対する予測性能を　　　　
　　　汎化性能と呼ぶ☆☆☆
■モデルの作り込みは汎化誤差を小さくな
　るように行うべき

汎化誤差の評価方法・ホールドアウト法
■データを事前に訓練用とテスト用に分割
　し、テスト用データで学習済モデルの汎
　化誤差を（MAEやAccuracy等で）評価す
　る
■実装は容易だがデータ数が少ないと汎化
　誤差をうまく評価できない場合がある
（例）全データ
　→80%訓練用→機械学習→学習済モデル
　→20%テスト用→学習済モデル→評価
■時系列データを分割する際の注意点
　未来を予測するモデルを作る場合、訓練
　用データよりも過去のデータをテストデ
　ータに使わないこと
　→運用時を想定した評価ができないため
■データ数が少ない場合の評価
　ホールドアウト法ではデータの一部をテ
　スト用にするが、全データを用いて汎化
　誤差をうまく評価したい
　→交差検証法を活用する！！☆☆☆

汎化誤差の評価方法・交差検証法
■交差検証法（クロスバリデーション）と
　は、データを複数グループにわけ、テス
　ト役と訓練役を交代しながら汎化誤差を
　評価する方法
（例）全データをK個に分割
　テスト用・訓練1・訓練2・・訓練K-1
　訓練1・テスト用・訓練2・・訓練K-1
　訓練1・訓練2・テスト用・・訓練K-1
　→テストの回ごとにテスト役を交代し、
　　テスト用データに対する評価値を算出
　　（MAEやAccuracy等で）
　→テストが一巡するまで繰り返し、
　　最後に評価値の平均値を汎化誤差の
　　推定値として算出
■K分割交差検証法とも呼ばれる
　・分割数を増やすほど汎化誤差の推定性
　　能が向上する
　・利点
　　全てのデータを使うのでホールドアウ
　　ト法より汎化誤差の推定精度が高い
　・欠点
　　学習と評価を何度も繰り返すため、計
　　算に時間がかかる

shin_yako

0

参考になりました。実務の活用を考えます

temp_at

0

ホールドアウト法と交差検証法のどちらを採用するかは、手持ちのデータ量を考慮し考慮して決める必要がある。

yoshikouc

0

大量のデータがある場合はホールドアウト法で行うのがベストだけれど、データ数が少なければK交差検証法で時間はかかるが検証を行う道があるので、どんなデータにも対応できると思いました。

kyo1227

0

モデルをテストする際のホールドアウト、クロスバリデーションの手法を理解できた。また時系列データを扱う際の注意点も理解できた。

hrkudo

0

交差検証法とホールドアウト法の使い方について理解しました。

takemaru0530

0

誤差がないものほど性能がいいとは限らない。
はじめて知り勉強になりました。
訓練用データ、評価用データを分けて評価することを学びました。

aokitaka-tci

0

モデル検証においてホールドアウト法・交差検証法があり、それぞれメリット・デメリットがあることを理解した

tasu-o

0

ホールドアウト法と交差検証法のそれぞれの特性について学習することができた。
取り扱うデータに応じて、特性にあった方法で検証を実施していきたい

mutame

0

検証方法の概要を確認できた。

inagaki_tomomi1

0

テストデータと練習データの考え方を学びました

yutahayasaka

0

機械学習では、テスト用データと評価用データに分割してモデル構築と評価の両方を行うことが分かりました。その中で正確なモデル構築だけなく、使う目的である予測精度が重要なことも分かりました。

homma_nanami

0

モデル検証はわかりやすかったです。最適な検証方法の選択をしたいと思いました。

hirano_rikiya

0

過去のデータから傾向分析することで未来を予測する考え方が整理できました。

gobau

0

ホールドアウト法、交差検証法について理解した。

xiu14

0

誤差の判定方法にも、それぞれに長所・短所を持った複数の手段があることを理解しました。

mori_1991

0

モデル検証のフローを学ぶことができた。

myu-tan

0

モデルの検証について、ホールドアウト法、K分割交差検証法のメリデメを考えて活用したい

warashina12345

0

大変勉強になりました。

aquico52

0

データ量と評価にかけられる時間を加味して、評価手法を選べばよいことが分かった

asakusajun

0

再雇用の身ですが、現役時代にはなかった新しい研修を楽しく
学習しています。

uragami_kenji

0

例の説明でテスト用が200件でも少ない扱いなので、少し驚いた。

takeshita_ta

0

モデルの検証を行うことで、顧客対応システムや問い合わせ予測モデルの信頼性を確保することが可能である。定期的な検証と改善により、コールセンターの業務効率と顧客満足度の向上が期待できる。

hinaya_0821

0

検証法の違いやメリットデメリットをしっかり理解して業務に役立てたい。

globis-mrm

0

モデルの検証について、訓練誤差・汎化誤差の定義、その評価方法について学び、理解することができた。

temp954

0

検証法の違いを理解はできるが最適な検証法を割り当てるまでが難しいと感じました。

yoshiyc

0

検証法によりメリット・デメリットが学習できた。
今度は同じデータを使用して検証法を変え、結果の比較等を実感してみたい。

t03290512

0

日常業務に取り組活動

staka3

0

検証法によって時間の違いがあるが繰り返し検証していくことが大事であると感じました。

nokt

0

機械学習のモデルの検証方法について基本的な内容を学ぶことができました。機械学習の知識を取り入れていきたいので、繰り返し受講したいと思います。

srk1

0

モデルを検証する手法と注意点について理解できました。

yy_nn

0

学んだ内容は、モデルを実運用フェーズに移すときの意思決定の役立つと思いました。汎用誤差の評価方法を推定精度と時間のバランスを考慮して選び、汎用性能を汎化誤差から判断できるようになるには、いくつか訓練や経験値、参考値が必要だと思いました。商品の需給バランスを予測するモデルなどが思い浮かびます。供給側のキャパがあったり素早く判断したい場合にはホールドアウト法で評価する、細かい供給調整が必要な場合や時間に余裕がある場合には交差検証法で評価するといいとイメージしました。

everest

0

予測精度や信頼性を確認し、実際のビジネス課題に対して最適な意思決定を支援するために活用したい。

egon

0

モデル検証を理解することができました。

hiroshi-srkr

0

機械学習におけるモデルの検証は重要な内容と思っていますが、これについてあまり詳しく理解でいていなかったのでこの講座で概要を理解することが出来ました。

kkmmyy

0

今後参考にしたいと思います

terulin

0

交差検証法とは、役割を変えながらホールドアウト法を繰り返すということなのでしょうか？

rirac

0

モデルの検証にはホールドアウト法、交差検証法の2つあることと、それぞれにメリットやデメリットがあることが分かりました。データ数によって最適な方法が違うので、どちらが理想的なのか考えて運用したいです。

holborn_summer

0

例を出してもらって説明されてもなかなか1回見ただけでは難しい内容

timetraveler

0

モデルの検証は分かりやすかった。問題を解いて理解を深めたい。

abarenaikun

0

モデル検証では、ホールドアウト法と交差検証法の使い分けが重要だと感じる。データ量や目的に応じて適切な手法を選ぶことで、予測精度の向上につながる。時系列データの扱いにも注意しながら、汎化性能を高める工夫をしたい。

macha511

0

機械学習モデルの検証方法について概要を理解できました。

sat_mura

0

統計を用いたモデル解析の精度検証の仕方にこれまで悩んでいた。
モデルに使うデータが多ければ良いと思っていたが、汎化誤差の検証など精度を確認しながら進める方法を知った。

ohkmas

0

交差検証法。データを複数のデータのグループに分け、テスト役と訓練役を交代しながら汎化誤差を最小にする方法。ホールドアウト法よりも推定精度が高いが時間がかかる。