アルパインフォレスト評価器

情報一覧

パラメーター	説明
カテゴリー	モデルの検証
データソースタイプ	HD
出力を他のオペレーターに送信	いいえ
データ処理ツール	MapReduce

アルパインフォレスト評価器オペレーターは、アルパインフォレストモデル評価オペレーターであり、適合度評価器と似ていますが、よりグラフィックな性質を持っています。

ノート: アルパインフォレスト評価器オペレーターは、アルパインフォレスト Division フローに対してのみ機能します。

アルゴリズム

アルパインフォレスト評価器オペレーターは、アルパインフォレストオペレーターアルゴリズムの予測分類の精度を評価するために使用されます。モデルのパフォーマンスは、マトリックス内の真陽性、真陰性、偽陽性、および偽陰性の数を使用して評価されます。次の表は、2 クラス分類器の混同行列を示しています。

		予測		a はインスタンスが負であるという正しい予測の数、b はインスタンスが正であるという誤った予測の数です。
		負の値	正の値
実際	負の値	a	b	c はインスタンスが負であるという誤った予測の数、d はインスタンスが正であるという正しい予測の数です。
	正の値	c	d

混同行列オペレーターと同様に、アルパインフォレスト評価器オペレーターもいくつかの標準精度項を計算します (詳細については、混同行列を参照してください)。

精度 (AC) は、正しかった予測の総数の割合です。
再現率または真陽性率 (TP) は、正しく特定された陽性症例の割合です。
偽陽性率 (FP) は、陰性のケースのうち、誤って陽性として分類された割合です。
真陰性率 (TN) は、正しく分類された陰性症例の割合として定義されます。
偽陰性率 (FN) は、誤って陰性として分類された陽性症例の割合です。
最後に、適合率 (P) は、予測された陽性症例のうち、正しかった割合です。

アルパインフォレスト評価器は、誤差収束グラフを生成するために誤差率も計算します。これはモデルの誤分類率を示し、単純に 1 - 精度 (AC) となります。これは次のように計算することもできます。

エラー率 = エラー率の計算式

入力

アルパインフォレスト分類オペレーター
前のオペレーターからのデータセット

制限事項

アルパインフォレスト評価器オペレーターは、アルパインフォレスト Division オペレーターおよび前のオペレーターからのデータセットに接続する必要があります。

構成

パラメーター	説明
ノート	このオペレーターのパラメーター設定に関するメモまたは役立つ情報。 [ノート] フィールドに内容を入力すると、オペレーターに黄色のアスタリスクが表示されます。

出力

ビジュアル出力

アルパインフォレスト評価器オペレーターは、分類精度データ、グラフィカルなヒートマップ、およびデシジョンツリーの数とエラー率のグラフィカルな追跡を生成します。

分類精度データ出力

データ出力は、各クラスのすべての Observed/Predicted の組み合わせの分類精度カウントを提供します。次の例では、Observed (0) 行と Predicated (0) カラムの交点は、値 0 の 47,714 個の予測が正しかったことを示しますが、Observed (0)/Predicted (1) セルは、モデルが 0 ではなく 1 を予測したことを示しています。たったの7回。したがって、クラス 0 の予測では、クラス再現率は 99.98% 正しかったと言えます。

ただし、Observed (1)/Predicted (0) セルは、I の実際の値に対して 0 を誤って予測したモデルの 1,028 回のインスタンスを示し、Observed (1)/Predicted (1) セルは、モデルが 1 を 1,251 回正しく予測したことを示し、 54.89%のうち 1 つを予測する精度 (クラス再現率)。

全体として、この例では、アルパインフォレスト分類モデルの精度は 97.93% であると計算されます。