100日後にプロになるワシ26日目（Python）

機械学習最後まで学習させて
AUC（Area Under the Curve）の値も92を超えた！！

AUC
AUCは指標の名前通りROC 曲線下の面積（積分）となります。この面積の範囲がは０から１ となります。ランダム分類器はのAUC値は０.５です。AUC値は０.５以上になれば分類器の効果がランダム分類器より良いです。AUC値は０.５以下になったら評価指標を逆にしてAUC値は０.５以上の分類器を得られます。

ROC曲線
ROC曲線とは、閾値（疾患の有無を判断する基準値）を変化させたときの偽陽性率(False Positive Rate: FPR)と真陽性率(True Positive Rage: TPR)の各点を結んだものです。

真陽性率と偽陽性率
真陽性率は「病気と判定して実際に病気だった確率」
偽陽性率は「病気判定して実際は病気でなかった確率」
のこと。

このROC曲線は閾値によって形が変わってくる
例えば

40%の確率でガンなら全部ガンにしてしまおう！

とするとガンと診断される人が増えるし、

逆に、80％の確率でガンと診断すると、ガンと診断される人は減る。
この何％以上でどうこうする。というのを閾値という。

この閾値を使ってモデルの精度を上げる方法がある。

んで、色々やった結果がこれ

。。。

。。

や　ら　か　し　た　！

どうやらどっかのタイミングでテストデータ（test.csv）を書き換えてしまって、本来テストしたいデータと違うデータで予測していました。

おそらく、csvの書き出しで、かなりハマったので、その時に、test.csvを作成してしまったのかと。。。

なので、次回はちゃんとしたデータで作成します！

感想

最近時間取れないので
こっちをシンプルにして、学習を頑張るます。