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。