エレガントなSciPy ―Pythonによる科学技術計算

119

5.1　分割表

5.1

　分割表

とは言うものの、まずは簡単なところから始めて、徐々にセグメンテーションに向かって積み上

げていきましょう。

仮に、あなたがデータサイエンティストとしてメールのベンチャー企業である

Spam-o-matic

社

に就職したとしましょう。あなたの仕事は、スパムメールの自動検出器を構築することです。検出

器の出力は、スパムでない場合は

0

、スパムの場合は

1

となるように符号化します。

今分類すべきメールが

10

通ある場合、予測値のベクトルが得られます。

import numpy as np

pred = np.array([0, 1, 0, 0, 1, 1, 1, 0, 1, 1])

検出器がうまくできたかどうかは、正解データ、つまり手作業でメールを

1

つ

1

つ検査して得

た分類と比較すれば確かめられます。

gt = np.array([0, 0, 0, 0, 0, 1, 1, 1, 1, 1])

しかし、コンピュータにとって分類することはとても難しい作業なので、

pred

と

gt

の値は完全

には一致しないものです。

pred

が

0

で

gt

も

0

の位置では、予測はメールがスパムでないことを正

しく検出できました。このことを真陰性と言います。逆に、どちらも

1

の値を取る位置では、予

測は正しくスパムを検出して真陽性を見つけました。

次に、ミスには

2

種類あります。スパム（

gt

が

1

）をユーザのインボックス（

pred

が

0

）に入

れてしまったら、偽陰性のミスです。正当なメール（

gt

が

0

）をスパム（

pred

が

1

）と予測した ...