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

251

251

8.7　まとめ

す。さらに重要なのは、手法によって異なった利益ピークを示しているということです。

1

つ目のピークは、分類木（

Tree

）で発生します。対象とするインスタンスが、上位約

20%

の

ところです。そして、

2

つ目のピークはそれよりもわずかに高く、上位

35%

のときに単純ベ

イズ（

NB

）で発生します。分類木と単純ベイズ（

NB

）の間の交差点は、両方のグラフの同

じ場所で発生しています。上位

25%

のところです。このグラフからは、コストと利益に対す

る利益曲線の感度もわかります。

この節の締めくくりとして繰り返し強調したいのは、これらのグラフは、モデル評価のさ

まざまな手法を説明するためだけに使用している、ということです。問題の解決方法を調整

するための努力はほとんど行っていませんし、各モデルを比較した利点や、乗り換え予測へ

の各モデルの適正についての一般的な結論も出していません。この節では、意図的にさまざ

まな分類器の性能を測定し、それらの違いを、グラフからどのように明らかにすることがで

きるかを説明しました。

8.7

 まとめ

データサイエンティスト仕事で重要なことは、モデルを適切に評価するために準備を行

い、その情報を関係者に伝えることです。これには経験が必要になります。しかし、不測の

図

8-12

 乗り換え管理業務での

4

つの分類器の利益曲線。これらの曲線は、図

8-11

より有利な

12

対

1

の比率を仮定しています。

テストインスタンスの割合（スコア降順）

乗り換え分類器の利益

Tree

LR

k-NN

NB

252