機械学習の測定 - AWS Glue

翻訳は機械翻訳により提供されています。提供された翻訳内容と英語版の間で齟齬、不一致または矛盾がある場合、英語版が優先します。

機械学習の測定

機械学習変換の調整に使用する測定を理解するには、以下の用語を理解しておく必要があります。

真陽性 (TP)

変換が正しく検出したデータ内の一致。ヒットとも呼ばれます。

真陰性 (TN)

変換が正しく拒否したデータ内の不一致。

偽陽性 (FP)

変換が誤って一致として分類したデータ内の不一致。誤警告とも呼ばれます。

偽陰性 (FN)

変換が検出しなかったデータ内の一致。 ミスとも呼ばれます。

機械学習で使用される用語の詳細については、Wikipedia の「混同行列」を参照してください。

機械学習変換を調整するには、変換の [詳細プロパティ] で以下の測定値を変更できます。

  • 適合率は、変換で要請と判定されたレコードの総数 (真陽性と偽陽性) のうち、どの程度真陽性を検出するかの尺度です。詳細については、Wikipedia の「 適合率と再現率」を参照してください。

  • 再現率は、変換がソースデータのレコード総数から真陽性を見つける割合を測定します。詳細については、Wikipedia の「 適合率と再現率」を参照してください。

  • 精度は、変換が真陽性と真陰性を見つける割合を測定します。精度を高めるには、マシンリソースとコストを増やす必要があります。ただし、再現率も高くなります。詳細については、Wikipedia の「適合率と再現率」を参照してください。

  • コストは、変換を実行するために消費されるコンピューティングリソースの数およびそれに伴う金額を測定します。