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

87.37%

バリデーション誤差とバリデーション精度はどういうものなのか

解決済

回答 1

投稿

  • 評価
  • クリップ 1
  • VIEW 1,590

score 74

バリデーション誤差とバリデーション精度はどういうものなのでしょうか?
keras.callbacks.History オブジェクトのなかの、 history['val_loss']とhistory['val_acc'] がどういう役割のものかわかりません。
バリデーションは、1こ選んでそれをテストとし、残りの群のものを学習とし検証する方法だと思うのですが、その誤差と精度とはどういう値なのでしょうか?

  • 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
    • 過去に投稿した質問と同じ内容の質問
    • 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 1

checkベストアンサー

+1

lossは普通は損失と訳します。誤差はerrorですね。

「損失関数」とか、聞き覚えありませんか?

ニューラルネットのような勾配法を使う機械学習手法では、その損失を最小化するという問題を解いて学習を行っています。

仕組みの理解は大事なので、わからなければ勉強してください。

損失の数値自体は小さければ小さいほど良いです。ただし、値のスケールは場合(データやネットワークの構造)によります。

また、epochが進むにつれて損失が低下していく傾向なら、学習がうまくいっているといえます。というか、基本的にはそれだけ見て判断します。

やたらに数字が大きいとか、明らかに変なところにべたーっと張り付いて動かないとか、epochが増えるに従って増加していくとかだと、何か都合の悪いことが起きているんじゃないかなぁ、ということが損失の数値からわかります。


accuracyは精度と訳す場合もありますが、正解率とか正確度と訳した方が安心できます。
(precisionという別の指標があって、こちらを精度とする場面が多いです。はっきり言って厄介なので、正確を期するなら英単語のまま取り扱った方が良いです)

指標の意味は、対象サンプル数中どれだけ正しく分類されたかですね。思いつく中で一番単純な指標だと思います。

これは0~1の間の数字で、高ければ高いほど(1に近いほど)良いです。


バリデーションは、バリデーション用に選んだデータに対して指標などを計算することです。

バリデーション用のデータは、kerasだとモデルをfitさせる際に指定していると思います。渡したデータから一定割合自動的に選ばれるとか、明示的にデータそのものを渡すとかのオプションがあったはずです。

1こということはないはずですが。ある程度バリデーション用データの数がないと、正確な判断ができません。

val_loss, val_accはバリデーションデータに対する損失と正解率、ということです。当然train_lossとtrain_accもあります。

これらの役割というか用途としましては、ちゃんと学習が進んでいるか、過学習していないかといったことを確認したりするのに使えます。


参考リンク
MNISTでハイパーパラメータをいじってloss/accuracyグラフを見てみる

投稿

編集

  • 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。

  • 2018/10/01 21:10

    ありがとうございます。とてもわかりやすかったです!

    キャンセル

15分調べてもわからないことは、teratailで質問しよう!

  • ただいまの回答率 87.37%
  • 質問をまとめることで、思考を整理して素早く解決
  • テンプレート機能で、簡単に質問をまとめられる

関連した質問

同じタグがついた質問を見る