
86
3 章 予測モデリング:相関から教師ありセグメンテーションへ
う。今の場合は、半分の人が乗り換えし、残りの半分は乗り換えしていないデータから構成
されるトレーニングデータを使います。分類木を作った後、分類木をこのデータセットに適
用して、どれだけのインスタンスを正しく分類できるか評価します。これを行った結果、分
類木は
73%
の精密さで分類することができました。このことからは次の
2
つの疑問が生じま
す。
1.
第一に、この数値を信用してよいのでしょうか。もしもう一度、今度は別の
20,000
人分のデータセットに対して分類木を適用しても、また
73%
の精密さを得られるので
しょうか。
2.
第二に、もしこの数値を信じたとして、この数値はこのモデルがよくできていると
いうことを意味するのでしょうか。別の言葉で言うなら、
73%
の精密さを持つモデル
は使う価値があるのでしょうか。
7
章と
8
章でもう一度これらの問題を振り返り、モデルの評価についての問題を考えるこ
とにしましょう。
3.7
まとめ
この章では、予測モデリングの基本コンセプトを紹介しました。それはデータサイエンス
における主要な仕事の
1
つでもあり、それをすることによって、目的変数を推定するため
のモデルを作ることができます。この過程において、データサイエンスにおける基本的な考
え方を紹介しました。それは有用で情報価値の高い属性を見つけ出すという考え方です。情
報価値の高い属性を選び出すことは、データマイニングでは便利で役に立つ方法です。この
方法によって、大きなデータセットがあったときに、その中から目的変数と相関関係があっ ...