モデルの適用範囲・モデルの適用領域 (Applicability Domain, AD) ~回帰モデル・クラス分類モデルを使うとき必須となる概念~

シェアする

今回は、モデルの適用範囲・モデルの適用領域 (Applicability Domain, AD) についてです。AD は回帰モデル・クラス分類モデルが本来の性能を発揮できるデータ領域のことです。回帰モデル・クラス分類モデルを使うとき必須になります。

そんな AD について、pdfとパワーポイントの資料を作成しました。AD の具体例や計算方法について説明されています。pdfもスライドも自由にご利用ください

pdfファイルはこちらから、パワーポイント(pptx)ファイルはこちらからダウンロードできます。

興味のある方はぜひ参考にしていただき、どこかで使いたい方は遠慮なくご利用ください。

AD の概要

  • モデルが十分な性能を発揮できるデータ領域
  • AD の設定方法
    • トレーニングデータの範囲
    • トレーニングデータの中心からの距離
    • データ密度
    • アンサンブル学習ベイズの定理を利用
  • モデルとの距離 (Distance to Model, DM) によって AD の広さを定量的にすることで、推定誤差を見積もることができる
  • クラス分類でアンサンブル学習により AD を設定するときは注意する

スライドのタイトル

  • モデルの適用範囲 (AD) とは?
  • どんな X の値でもモデルに入力してよいのか?
  • モデルの適用範囲・適用領域のイメージ
  • モデルの適用範囲・適用領域のイメージ
  • モデルの適用範囲・適用領域
  • AD の設定
  • トレーニングデータの範囲
  • トレーニングデータの中心からの距離
  • データ密度
  • データ密度
  • アンサンブル学習
  • モデルとの距離 (Distance to Model)
  • 回帰モデルの予測誤差(信頼性)の推定
  • 注意!
  • 数値シミュレーションデータで確認
  • すべてのサブモデルで分類結果が一致した領域
  • データ密度も使いましょう!

以上です。

質問やコメントなどありましたら、twitter, facebook, メールなどでご連絡いただけるとうれしいです。

シェアする

フォローする