#53 Section９ 分類（６）予測

4th STEP 機械学習 前処理 Section ９ 分 類（６） 予 測 Setup Compare Models Analyze Model データサイエンス チュートリアル Prediction Save Model 1

4th STEP 機械学習 Section8 分類（6）予測 予測結果の性能評価 下記のコードは、setup()で分割したテストデータ（231行×9列／Transformed test set shape）に対して予測し た結果を返してくれます。 holdout_pred = predict_model(モデル名) 宣言した『holdout_pred』の holdoutは、モデルを評価する データを作るためにデータを分割 することを意味しています。別に 何と宣言してもいいのですが、わ かりやすいように 『holdout_pred』としておきま しょう。 『compare_models』関数を使って、モデルを 評価した際の評価指標一覧と比べて、どうでしょ うか？正解率（Accuracy）とF1-score (F1)は、やや下がっていますが、数値が高いまま 維持されています。 データサイエンス チュートリアル 2

4th STEP 機械学習 Section8 分類（6）予測 予測結果の出力 予測結果の性能評価をした「holdout_pred」の最初の5行を見てみましょう。 出力を見ると、テストデータに予測ラベル（prediction_label） と予測確率（prediction_score）が付与されていますね。 予測ラベル（prediction_label） →予測されたインスタンスのクラス。「0」が糖尿病陰性、 「1」が糖尿病陽性でしたね。 予測確率（prediction_score） →インスタンスが予測されたクラスである確率 データサイエンス チュートリアル 3

4th STEP 機械学習 Section8 分類（6）予測 新たなデータで予測（１） 最も性能の良かったモデル「best」（すなわち、 lr：Logistic Regression ）をget_data(‘diabetes‘)で読込んだ 「data」（訓練データ＋テストデータ）すべてにあてはめて性能を確認してみます。 まずは、 「data」 の列名「Class variable」を削除し、 モデルをあてはめるデータを作成します。 「data」をコピーして、列名 「Class variable」を削除し、「new data」と宣言します。次に「new data」の最初の５行を確認してみます。 データサイエンス チュートリアル 4

4th STEP 機械学習 Section8 分類（6）予測 新たなデータで予測（２） 「new_data」で予測をしてみましょう！ predict_model(モデル名, data = データ名) 予測した結果を「predictions」と宣言し、最初の5行を見てみます。 データサイエンス チュートリアル 5

4th STEP 機械学習 Section8 分類（6）予測 新たなデータで予測（３） 出力は、下記のようになります。 テストデータにおける予測結果と同じように予測ラベルと予測確率が付与されていますね。 予測ラベル（prediction_label） →予測されたインスタンスのクラス。「0」が糖尿病陰性、 「1」が糖尿病陽性でしたね。 データサイエンス チュートリアル 予測確率（prediction_score） →インスタンスが予測されたクラスである確率 6

4th STEP 機械学習 Section8 分類（6）予測 既存のデータから新しいデータを作成し、予測してみました。 実際には、新しい患者さんのデータを、このモデル『best』に当てはめて、 糖尿病か否かを予測することになります。 データサイエンス チュートリアル 7