Recommended
More Related Content
Similar to データサイエンス勉強会＿効率の良い勉強方法
Similar to データサイエンス勉強会＿効率の良い勉強方法 (20)
More from Kikuya Takumi
データサイエンス勉強会＿効率の良い勉強方法
- 2. アジェンダ • 第Ⅰ部 データ分析プロジェクトを知る • 第Ⅱ部 効率の良い勉強方法
- 7. CRISP-DMとは？ CRoss-Industry Standard Process for Data Mining どの産業においても 共通の分析フェーズ
- 8. CRISP-DMとは？ CRoss-Industry Standard Process for Data Mining ビジネスの理解 課題設定
- 9. CRISP-DMとは？ CRoss-Industry Standard Process for Data Mining 課題解決するため のデータを理解
- 10. CRISP-DMとは？ CRoss-Industry Standard Process for Data Mining データが揃っていれば、 モデルを作るための データ準備
- 11. CRISP-DMとは？ CRoss-Industry Standard Process for Data Mining データ準備ができたら、 モデル作成
- 12. CRISP-DMとは？ CRoss-Industry Standard Process for Data Mining モデルを評価 ※精度が良いとは 限らない
- 13. CRISP-DMとは？ CRoss-Industry Standard Process for Data Mining 精度が良ければ デプロイ・納品
- 14. CRISP-DMとは？ CRoss-Industry Standard Process for Data Mining 次の課題設定
- 15. 第Ⅱ部 ～効率の良い勉強方法～
- 42. モデル精度のカラクリを知る 予測/観測 1(Positive) 0(Negative) 1(Positive) True Positive False Positive 0(Negative) False Negative True Negative モデルの精度は予測と観測が一致する 割合で決まる
- 43. モデル精度のカラクリを知る 予測/観測 1(Positive) 0(Negative) 1(Positive) 予測成功 予測失敗 0(Negative) 見落とし 予測成功 モデルの精度は予測と観測が一致する 割合で決まる
- 46. モデル精度のカラクリを知る 100人の顧客が優良顧客かどうか判別するモデ ルを作る。利用料が多い10％を優良顧客と定義 する。 予測を全て0(優良じゃない)か1(優良) にした時の精度が下限になる 例
- 47. モデル精度のカラクリを知る 予測/観測 1(Positive) 0(Negative) 1(Positive) 10 90 0(Negative) 0 0 全て１(優良)の場合 精度10％
- 48. モデル精度のカラクリを知る 予測/観測 1(Positive) 0(Negative) 1(Positive) 0 0 0(Negative) 10 90 全て0(優良じゃない)の場合 精度90％←下限
- 51. • 同じアプローチでできる別のコンテストに挑戦する • 同じ問題を別のアプローチで解く • グラフ描画等、可視化する 次のステップは？
- 53. 完