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

243

243

8.6　例：乗り換えモデリングの性能分析

において、そのモデルはランダムな戦略の

2

倍の性能があるのがリフト曲線からわかる、と

いうことを意味しています。累積反応曲線では、そのモデルの

tp

率は、ランダム性能の対角

線の

tp

率に対して

2

倍になります（他にも何らかの基準に対するリフト値を求めることがあ

ります）。リフト曲線は、

y

軸にこのリフト値をとり、

x

軸には母集団のうち対象とした部分

の割合をとります（

x

軸は累積反応曲線と同じです）。

リフト曲線と累積反応曲線は、注意して使用しなければならない場合があります。それ

は、母集団における陽性の正確な割合が不明か、もしくは、その割合がテストデータに正確

に表されていない場合です。

ROC

曲線とは異なり、これらの曲線には前提があり、テスト

データのセットでは、対象としているクラスの事前分布が、母集団と同じであると仮定して

います。これは、最初に述べた簡略のための仮定の

1

つです。これにより、より直感的な可

視化ができるようになります。

1

つの例として、オンライン広告では、広告に対する実際の反応のベースレートが非常に

小さくなるというものが挙げられます。このときのベースレートは、

1

千万人（

1:10

7

）に

1

人になることも珍しくありません。モデリングを行う人は、反応する

1

人に対して

1

千万人

の反応しない人を持つようなデータセットを管理したくはないでしょう。そのため、反応し

ない人のデータをダウンサンプリングして、よりバランスのとれたデータセットを作成して

モデリングと評価を行います。 ...