はじパタlt section1
DESCRIPTION
Rで学ぶデータサイエンス「パターン認識」の第1章TRANSCRIPT
パターン認識Rで学ぶデータサイエンス
第1章2013/06/18
祝!
#はじパタ 開催!!
祝!
#はじパタ 開催!!
お詫び
Rのコードは出てきません
お詫び2
今日は詳しくは語りません
@kenchan0130_aki
自己紹介
@kenchan0130_aki
学生ニート
自己紹介
@kenchan0130_aki
学生ニート
働いたら負け
自己紹介
@kenchan0130_aki
学生ニート
働いたら負け
自然言語処理
自己紹介
@kenchan0130_aki
学生ニート
働いたら負け
自然言語処理
得意になりたい言語:Ruby
自己紹介
@kenchan0130_aki
学生ニート
働いたら負け
自然言語処理
得意になりたい言語:Ruby 女の子と仲良くなれそう
自己紹介
パターン認識
第1章 判別能力の評価
第2章 k-平均法
第3章 階層的クラスタリング
第4章 混合正規分布モデル
第5章 判別分析
第6章 ロジスティック回帰
第7章 密度推定
第8章 k-近傍法
第9章 学習ベクトル量子化
第10章 決定木
第11章 サポートベクターマシン
第12章 正規化とパス追跡アルゴリズム
第13章 ミニマックス確率マシン
第14章 集団学習
第15章 2値判別から多値判別へ
パターン認識
第1章 判別能力の評価
第2章 k-平均法
第3章 階層的クラスタリング
第4章 混合正規分布モデル
第5章 判別分析
第6章 ロジスティック回帰
第7章 密度推定
第8章 k-近傍法
第9章 学習ベクトル量子化
第10章 決定木
第11章 サポートベクターマシン
第12章 正規化とパス追跡アルゴリズム
第13章 ミニマックス確率マシン
第14章 集団学習
第15章 2値判別から多値判別へ
• 入力された特徴量 からラベル を予測する問題を「判別問題」といいます.
• ラベル を返す判別器 の予測精度を評価したい!
判別能力の評価
何か評価する 指標が欲し い!
• 誤り率• 損失行列による評価• 交差検証法による予測精度の推定• 陽性率, 偽陽性率, ROC曲線, AUC• 適合率, 再現率, F値
各種指標
誤り率
誤り率
n個のデータに対する誤り率は
で計算できます.I[R]は条件Rが真のときは1, それ以外は0となる定義関数
• 学習データに対する誤り率を「訓練誤差」といいます.
• 未知のテストデータに対する誤り率を「予測誤差」といいます.
誤り率
損失行列による評価
• 損失の値を で表し, 成分とする行列を損失行列とします.
• クラス と判別すべきデータをクラス と誤ってしまったときの損失を表しています.
損失行列による評価
損失行列による評価
損失の平均は以下のように与えられます.
は真のクラスの不確実性を表す同時確率分布
これを最小とするような を割り当てるものとなります.
交互検証法による予測精度の推定
• 学習データを2つに分け, 一方で判別器を推定します.
• 他方でその精度を評価し, 予測誤差を推定します.
• これをk分割して繰り返す方法を「k-交差検証法」と呼びます.
交互検証法による予測精度の推定
陽性率, 偽陽性率, ROC曲線, AUC
陽性率, 偽陽性率, ROC曲線, AUC
• 陽性率は「第1種の過誤」と思ってもらっていいかもです. • 偽陽性率は「第2種の過誤」と思ってもらっていいかもです. (こっちはヤバイやつ)
• 偽陽性率をある一定の値以下に抑えたとき, 陽性率を最大化する判別器を採択します.
• 縦軸を真の陽性率, つまり敏感度, 横軸を偽陽性率, つまり(1-特異度)を尺度としてプロットしたものです.
• AUCはROC曲線下の面積のことです. 分類器の性能の良さを表しています.
陽性率,偽陽性率, ROC曲線, AUC
http://oku.edu.mie-u.ac.jp/~okumura/stat/ROC.html
• 検索結果内に, 実際に目的の情報を含んでいるページの割合が「適合率」です.
• 目的の情報を含んでいるページ全体の中で正しく検索結果の割合が「再現率」です.
適合率, 再現率, F値