データサイエンス予測の検査：個別＋負のケース分析

予測検査：個別＋負のケース分析

特定の予測を検査し、否定的なケースの分析を行う方法

.predict()メソッドの使用方法を新しい学習者に教えていると、約40〜43％の場合に次の質問が出ます:

予測はどこにありますか？

学習者がよくこの質問をするといいですね。特にPythonやデータサイエンスに初めて触れる人にとって、.predict()メソッドを初めて見る場合には興味深い質問です。

確かに、この質問をする人の数は半分以下ですが、おそらく割合は30％以下または20％以下です。正確な統計は取っていません。

• 「データサイエンティストのためのAI Chrome拡張のトップ10（2023年）」
• 「データサイエンスの仕事を得る方法？[8つの簡単なステップで解説]」
• 「アノテーターのように考える：データセットのラベリング指示の生成」

このディープダイブのパート1では、まずシンプルな予測モデルの構築方法を示し、次に予測を生成する方法、そして予測をより詳細に検査する方法について説明します。

このディープダイブのパート2では、個々の予測を検査する方法がなぜ役立つのか、また個々の予測を検査する必要性についても説明します。個々の予測を検査する能力はさまざまな分析の手段を開くため、否定的なケースの分析などに非常に有用です。

パート1: 予測メソッド

予測モデルの構築についてまだ詳しく知らない場合は、このトピックをカバーしている他の記事を1つ以上読むことをおすすめします。Confident Data Science: Discovering The Essential Skills of Data Science（著者:私）の第11章では、予測モデルの構築方法について説明しています。

たとえば、Fake Birds & Machine Learning: Using the popular bird variety data to demonstrate nearest neighbors classificationでは、鳥の重さ、長さ、場所、色に基づいて鳥の種類を予測できる機械学習モデルのコードを共有しました。このフェイクバードの例では、フェイクの鳥の種類のデータを用いた予測モデリングを示しました。

シンプルな予測モデル

特定の個別の予測を検査することに焦点を当てるために、このサブセクションでは予測モデルの作成をスピードアップします。スピーディーに進めるため、このサブセクションではハイパーパラメータの最適化やデータの準備の一部を省略します。

また、スピードアップのために、代替手法を通じて評価を行います…

We will continue to update VoAGI; if you have any questions or suggestions, please contact us!