1.ホールドアウト
データを、教師データと評価データに分割し
教師データで学習するを評価することで、精度を確認する
2.k-分割検証
・データをk個の部分集合に分割する
・k個のうち、1つの評価データを残し、残りを教師データとして学習、評価する
・これを、k回行う
PR
偽陽性と偽陰性のトレードオフの関係を、グラフで表したもの
前処理 データの標準化
・入力データを0～1の間、あるいは、-1～1の間へ変換する
・次のような変換式が利用される
(対象の値 - 最小値 ) / (最大値 - 最小値)
・Z変換と呼ばれる方法は、以下
Z変換値 = ( 対象の値 - 平均値) / 標準偏差
・バッチ学習
学習データすべてで損失関数を考え、最小化する
・オンライン学習
学習データの任意の1個の損失関数を考え、最小化する
・ミニバッチ学習
学習データから、m個のデータをランダムに選択し、損失関数を考え、最適化を図る
