<?xml version="1.0" encoding="utf-8" standalone="yes"?>
<oembed>
  <author_name>sz_dr</author_name>
  <author_url>https://blog.hatena.ne.jp/sz_dr/</author_url>
  <blog_title>人間だったら考えて</blog_title>
  <blog_url>https://www.szdrblog.info/</blog_url>
  <categories>
    <anon>機械学習</anon>
    <anon>統計学</anon>
  </categories>
  <description>この記事は何？ 機械学習における不均衡データの扱いは，学習時にも評価時にも注意する必要があります． 例えばSVMにおける学習では，クラス重みを事前に設定することで，不均衡データによるバイアスを軽減できます． 不均衡データに対する予測精度の評価について，Accuracyを用いて評価を行うと，不当に高い値が得られてしまいます． この記事では不均衡データに対する予測結果をどのように評価すべきかについて紹介します． 不均衡データにおけるAccuracy評価を簡単に上げる Accuracyは次式で定義されます． ここで，正例数が負例数よりも多い不均衡データを考えます． この不均衡データに対して全て正例と…</description>
  <height>190</height>
  <html>&lt;iframe src=&quot;https://hatenablog-parts.com/embed?url=https%3A%2F%2Fwww.szdrblog.info%2Fentry%2F2017%2F01%2F09%2F001853&quot; title=&quot;不均衡データに対する予測結果のAccuracyは簡単に上がってしまう - 人間だったら考えて&quot; class=&quot;embed-card embed-blogcard&quot; scrolling=&quot;no&quot; frameborder=&quot;0&quot; style=&quot;display: block; width: 100%; height: 190px; max-width: 500px; margin: 10px 0px;&quot;&gt;&lt;/iframe&gt;</html>
  <image_url>http://chart.apis.google.com/chart?cht=tx&amp;chl=%20%7B%5Crm%20Accuracy%7D%3D%5Cfrac%7B%7B%5Crm%20TP%7D%2B%7B%5Crm%20TN%7D%7D%7B%7B%5Crm%20TP%7D%2B%7B%5Crm%20TN%7D%2B%7B%5Crm%20FP%7D%2B%7B%5Crm%20FN%7D%7D</image_url>
  <provider_name>Hatena Blog</provider_name>
  <provider_url>https://hatena.blog</provider_url>
  <published>2017-01-09 00:18:53</published>
  <title>不均衡データに対する予測結果のAccuracyは簡単に上がってしまう</title>
  <type>rich</type>
  <url>https://www.szdrblog.info/entry/2017/01/09/001853</url>
  <version>1.0</version>
  <width>100%</width>
</oembed>
