質問をすることでしか得られない、回答やアドバイスがある。

15分調べてもわからないことは、質問しよう!

ただいまの
回答率

90.34%

  • Python

    9187questions

    Pythonは、コードの読みやすさが特徴的なプログラミング言語の1つです。 強い型付け、動的型付けに対応しており、後方互換性がないバージョン2系とバージョン3系が使用されています。 商用製品の開発にも無料で使用でき、OSだけでなく仮想環境にも対応。Unicodeによる文字列操作をサポートしているため、日本語処理も標準で可能です。

  • 機械学習

    763questions

    機械学習は、データからパターンを自動的に発見し、そこから知能的な判断を下すためのコンピューターアルゴリズムを指します。人工知能における課題のひとつです。

機械学習に適していないデータ?

解決済

回答 3

投稿

  • 評価
  • クリップ 3
  • VIEW 577

nouken

score 24

機械学習による二値分類をやろうとしているのですが、アンダーサンプリング後の正解率でトレーニングでは100%近くいっても、テストでは六割程度にとどまります。過学習対策をしても、トレーニングが下がるのはいいのですが、テストは上がる気配がありません。

データをMDSによる可視化したところ、以下のようになったのですが、この分布からしてそもそも機械学習による分類が厳しい可能性もあるでしょうか。

つまりは各ラベルのデータが目的ラベルとの関係なく全般的に分布しているので、いくらトレーニングでフィットできても、テストの結果はある程度以上は望めないといった可能性があるのかなと考えているのですが、ご意見をお聞かせください。
MDSの結果

  • 気になる質問をクリップする

    クリップした質問は、後からいつでもマイページで確認できます。

    またクリップした質問に回答があった際、通知やメールを受け取ることができます。

    クリップを取り消します

  • 良い質問の評価を上げる

    以下のような質問は評価を上げましょう

    • 質問内容が明確
    • 自分も答えを知りたい
    • 質問者以外のユーザにも役立つ

    評価が高い質問は、TOPページの「注目」タブのフィードに表示されやすくなります。

    質問の評価を上げたことを取り消します

  • 評価を下げられる数の上限に達しました

    評価を下げることができません

    • 1日5回まで評価を下げられます
    • 1日に1ユーザに対して2回まで評価を下げられます

    質問の評価を下げる

    teratailでは下記のような質問を「具体的に困っていることがない質問」、「サイトポリシーに違反する質問」と定義し、推奨していません。

    • プログラミングに関係のない質問
    • やってほしいことだけを記載した丸投げの質問
    • 問題・課題が含まれていない質問
    • 意図的に内容が抹消された質問
    • 広告と受け取られるような投稿

    評価が下がると、TOPページの「アクティブ」「注目」タブのフィードに表示されにくくなります。

    質問の評価を下げたことを取り消します

    この機能は開放されていません

    評価を下げる条件を満たしてません

    評価を下げる理由を選択してください

    詳細な説明はこちら

    上記に当てはまらず、質問内容が明確になっていない質問には「情報の追加・修正依頼」機能からコメントをしてください。

    質問の評価を下げる機能の利用条件

    この機能を利用するためには、以下の事項を行う必要があります。

回答 3

+2

classが 0と1の二つしか無いのであれば
六割程度ではほとんど学習出来ていないと言えなくも無いです。
よって、データが悪いか、 データに対するアプローチが悪いとは思います。

所で、確認したいのですが六割とは、
recallでしょうか?precisionでしょうか?

しかし、図を真に受けるならば、○1に対して×0 の方がデータ数が圧倒的に多いのではないかと思うのですが、
その量は合っているでしょうか?
このデータだったら、全データに対して 0を出力するモデルになりそうだと思っているのですが、
それならば見かけ上の性能はもっと上がると思うのですが

投稿

  • 回答の評価を上げる

    以下のような回答は評価を上げましょう

    • 正しい回答
    • わかりやすい回答
    • ためになる回答

    評価が高い回答ほどページの上位に表示されます。

  • 回答の評価を下げる

    下記のような回答は推奨されていません。

    • 間違っている回答
    • 質問の回答になっていない投稿
    • スパムや攻撃的な表現を用いた投稿

    評価を下げる際はその理由を明確に伝え、適切な回答に修正してもらいましょう。

  • 2018/07/02 13:37

    アンダーサンプリングで負例を正例の数にあわせております。ので、accuracyをつかっております。

    キャンセル

  • 2018/07/02 14:01

    try to change your path and then compare both results .

    キャンセル

  • 2018/07/02 15:27

    全データの数
    トレーニングデータの数
    テストデータの数を知りたいです。

    サンプリングで和をどう変えたのかもです。

    キャンセル

  • 2018/07/02 15:53

    you don't need to change sum of sampling if you only need no of test
    first download the data and then tensor

    キャンセル

checkベストアンサー

+1

学習し難いデータというのはもちろん存在します。
なので、具体的なデータを与えられていない状態で、何か有益なことが上がってくるとは思えません。

次に、機械学習による分類というのでは情報が少なすぎます。
考えうる手法が多すぎます。

「日本語でよくわからない文書がありました。これは誰が読んでもわからないものですか?」
と聞かれているようなものです。

たとえば、
線形モデルとの比較はありますか?定量的な差は?
交差検定しましたか?分散は?
パラメータチューニングしましたか?どうやってしましたか?
などの情報が必要です。

投稿

  • 回答の評価を上げる

    以下のような回答は評価を上げましょう

    • 正しい回答
    • わかりやすい回答
    • ためになる回答

    評価が高い回答ほどページの上位に表示されます。

  • 回答の評価を下げる

    下記のような回答は推奨されていません。

    • 間違っている回答
    • 質問の回答になっていない投稿
    • スパムや攻撃的な表現を用いた投稿

    評価を下げる際はその理由を明確に伝え、適切な回答に修正してもらいましょう。

0

その画像だけでは何も言えません。とりあえず、MDSも良いですが、PCAだと寄与率が見やすいので、そっちで可視化して寄与率を見てみてください。そうしないと、どの程度の情報が2次元で現れているか判断できないので・・・
また、SOMやt-SNEなどの非線形変換で可視化する系のアルゴリズムにかけ、データの「まとまり」が存在するのかしないのかを判断しておくと、ある程度は指針になります。

いくらトレーニングでフィットできても、テストの結果はある程度以上は望めないといった可能性

GIGOなのだろうけど、一応0.6出るなら前処理やアルゴリズム選択を頑張って0.7を超えるかどうか、くらいのポテンシャルはあるかもしれません。

投稿

  • 回答の評価を上げる

    以下のような回答は評価を上げましょう

    • 正しい回答
    • わかりやすい回答
    • ためになる回答

    評価が高い回答ほどページの上位に表示されます。

  • 回答の評価を下げる

    下記のような回答は推奨されていません。

    • 間違っている回答
    • 質問の回答になっていない投稿
    • スパムや攻撃的な表現を用いた投稿

    評価を下げる際はその理由を明確に伝え、適切な回答に修正してもらいましょう。

  • 2018/07/02 14:53

    PCAの結果、第一主成分、第二主成分の寄与率はそれぞれ7.70508807e-02、 3.07015367e-02です。
    二次元では表現できないいということですね・・・

    キャンセル

  • 2018/07/02 14:59

    まあ、その方が普通ですね(高次元データなら特に)

    キャンセル

同じタグがついた質問を見る

  • Python

    9187questions

    Pythonは、コードの読みやすさが特徴的なプログラミング言語の1つです。 強い型付け、動的型付けに対応しており、後方互換性がないバージョン2系とバージョン3系が使用されています。 商用製品の開発にも無料で使用でき、OSだけでなく仮想環境にも対応。Unicodeによる文字列操作をサポートしているため、日本語処理も標準で可能です。

  • 機械学習

    763questions

    機械学習は、データからパターンを自動的に発見し、そこから知能的な判断を下すためのコンピューターアルゴリズムを指します。人工知能における課題のひとつです。