戦略的データサイエンス入門 ―ビジネスに活かすコンセプトとテクニック

232

8 章　モデル性能の可視化

は、分類器が混同行列

†

を生成することについて述べました。ランク付けを行う分類器と同

じように、閾値を持つ分類器も、

1

つの混同行列を生成します。閾値を変えると、混同行列

も同様に変わります。なぜなら、真陽性と偽陽性

‡

の数が変わるためです。

図

8-1

は、この基本的な考え方を示しています。閾値を下げるにつれて、インスタンスは

混同行列の

N

の行から

Y

行に上がります。これは、陰性と分類されていたインスタンスが

陽性と分類され、陰性と陽性の個数が変化したためです。どの個数が変化するかは、その問

題で真のクラスを何にしているか、に依存します。インスタンスが陽性であった場合（「

p

」

列）、上に移動し、真陽性になります（

Y, p

）。陰性（

n

）であった場合、それは偽陽性にな

ります（

Y, n

）。厳密には、異なる閾値を使用すれば異なる分類器となり、それぞれ独自の混

同行列によって表されるものとなります。

これには、

2

つの疑問が残ります。異なるランク付けをどのように比較したらよいか、と

いう疑問と、適切な閾値をどのように選べばよいのか、という疑問です。正確な確率の推定

ができ、かなり具体的にコスト−利益行列がわかっている場合、

2

つ目の疑問については、

既に期待値の説明のところで答えています。その場合は、期待利益が望ましい値（通常は

ゼロ）を超えるように閾値を選びます。ここから先は、この考え方を探求し、拡張してみま

しょう。

8.2

 利益曲線

「

7.3

 重要な分析フレームワーク：期待値」では、期待値を計算する方法を説明しました。 ...