Pythonではじめる教師なし学習 ―機械学習の可能性を広げるラベルなしデータの利用

206

9

章 半教師あり学習

plt.xlim([0.0, 1.0])

plt.ylim([0.0, 1.05])

plt.xlabel('False Positive Rate')

plt.ylabel('True Positive Rate')

plt.title('Receiver operating characteristic: Area under the \

curve = {0:0.2f}'.format(areaUnderROC))

plt.legend(loc="lower right")

plt.show()

if returnPreds==True:

return preds, average_precision

最後に、

precisionAnalysis

関数を定義する。この関数は、あるレベルの再現率に対する適合率

を調べるために用いる。ここでは、テストセット内の不正なクレジットカードトランザクションのうち

75 %

を検出したい場合の、モデルの適合率を求める。この値が高ければ良いモデルということになる。

これは妥当な評価基準だと言えるだろう。不正のうち

75%

を可能な限り高い適合率で検出したいの

だ。適合率が十分高くなければ、不必要に真正のクレジットカードトランザクションを拒否しているこ

とになり、おそらく顧客に不愉快な思いをさせることになる。

def precisionAnalysis(df, column, threshold):

df.sort_values(by=column, ...