データサイエンス設計マニュアル

266 9 章 線形回帰とロジスティック回帰

図 9 -12 完璧な境界線 x =

0 があっても、最適な回帰式はクラスを 2 つに分割する

• male（男性）= 0 / female（女性）= 1

• democrat（民主党）= 0 / republican（共和党）= 1

• spam（スパム）= 1 / non-spam（スパムでない）= 0

• cancer（悪性腫瘍）= 1 / benign（良性腫瘍）= 0

陰性（クラス 1）は、一般に要素数が少ないクラス、つまりより特殊な条件を示す。ここでの陽性/陰性に

価値判断は含まれない。クラスのサイズが同じなら、どちらを陽性にするかは適当に決める。

ターゲット値がこの 0 または 1 のラベルになっている特徴ベクトル x に対し、図 9 -12 のように回帰式

f(x) を訓練することについて考えてみよう。ここには少しロジックがある。陽性の訓練データに似ている

データ例は、陰性のデータ例に近いデータよりもスコアが小さくなるはずだ。f(x) が返した値を、しきい

値としてラベルを決めればよい。f(x) ≦ 0.5 なら x は「陽性」、f(x) > 0.5 なら x には「陰性」ラベルを与

える。

しかし、このような決定方法には問題がある。訓練データに「陰性」データをいくつか追加したとする。

すると、回帰式は「陰性」標本に影響され、境界線に近いデータの分類が怪しくなる。もとのままでもこれ

ら陰性データは正しく分類できていたので、残念な結果となる。本来は、クラスを貫く線ではなく、異なる ...