モデルデータ
特徴
Feature
意味
モデルが予測を行うか、パターンを発見するために使用する入力変数。
使用場面
予測時に利用可能で、タスクに関連する特徴量を選択します。
活用例
特徴：tenure_days、order_count_90d、support_ticket_count。データ分析
機械学習・予測分析用語
特徴、ターゲット、学習方法、データ分割、パイプライン、適合問題、クロスバリデーション、メトリック、およびリーケージリスクを理解します。
12 件
モデルデータ
ターゲット
Target
意味
教師ありモデルが学習する、予測される結果またはラベル。
使用場面
明確な観察期間とビジネス上の意味を持つように、これを定義します。
活用例
ターゲット：顧客が今後 30 日以内に解約するかどうか。学習方法
教師あり学習
Supervised learning
意味
ラベル付けされた例を用いて、入力から既知のターゲット値へのマッピングを学習する。
使用場面
過去のラベルが利用可能な場合に、分類または回帰に使用します。
活用例
過去のトランザクションを、不正または不正ではないとラベル付けして、分類器をトレーニングします。学習方法
教師なし学習
Unsupervised learning
意味
提供されたターゲットラベルなしで、データ内の構造を見つける。
使用場面
クラスタリング、次元削減、または異常探索に使用します。
活用例
クラスターは、販売構成と顧客の行動に基づいて商品を分類します。検証
トレーニングデータとテストデータを分割
Train-test split
意味
モデルの学習に使用するデータと、最終評価のために予約されたデータを分離します。
使用場面
ランダムな分割が情報を漏洩する可能性がある場合は、時間情報またはグループ情報を考慮した分割を使用してください。
活用例
1月から10月までトレーニングし、11月に検証し、12月にテストします。ワークフロー
前処理パイプライン
Preprocessing pipeline
意味
変換とモデルの適合の順序付けられた、再利用可能なシーケンス。
使用場面
前処理はトレーニングデータに対してのみ実行し、予測時にも同じ手順を適用する。
活用例
impute -> standardize -> one-hot encode -> fit model学習方法
モデル
Model
意味
予測または意思決定を行うために使用される、学習された数学的または計算表現。
使用場面
同じ評価プロトコルで、単純なベースラインと、より複雑な候補を比較します。
活用例
基準：ロジスティック回帰；候補：勾配ブースティング。検証
過学習
Overfitting
意味
モデルがトレーニングデータ固有のノイズを学習し、未知のデータに対してパフォーマンスが低下する場合。
使用場面
保留された評価で検出し、より単純なモデル、正則化、またはより代表的なデータを使用して、これを削減します。
活用例
トレーニング精度が99%、検証精度が71%という結果は、過学習を示唆しています。検証
過小適合
Underfitting
意味
モデルがデータ内の重要なパターンを捉えきれない場合。
使用場面
トレーニングと検証の両方のパフォーマンスが低いかどうかを確認します。
活用例
両方のエラーが高い場合は、より情報的な機能またはより適切なモデルを追加する。検証
交差検証
Cross-validation
意味
データセットをトレーニング用と検証用に繰り返し分割し、モデルのパフォーマンスを推定します。
使用場面
クラスのバランス、グループ、または時間順序に適したスプリッターを使用します。
活用例
不均衡な分類タスクに対して、5分割の層化クロスバリデーションを実行します。検証
評価指標
Evaluation metric
意味
予測の品質を判断するために使用される数値的な指標。
使用場面
便利なものだけでなく、エラーコストとクラスバランスに応じて、メトリックを選択します。
活用例
誤検知と誤検知が異なるコストを持つ場合に、適合率と再現率を追跡します。リスク
データ漏洩
Data leakage
意味
トレーニングに使用する情報が、実際の予測時には利用できない場合。
使用場面
結果を信頼する前に、監査機能、タイミングの分割、前処理、および集計ウィンドウを監査します。
注意
データの漏洩は、オフラインのスコアを高く見せる一方で、本番環境でのパフォーマンスを低下させる可能性があります。
活用例
最終的な返金ステータスを使用して、注文が返金されるかどうかを予測しないでください。