AI分類予測の精度を上げたい

AI分類予測の精度を上げたい

AI分類予測の精度検証機能やパラメータチューニングを使用することで、精度向上が期待できます。
精度検証用のデータを用意できない場合には、交差検証機能をご利用ください。
交差検証(クロスバリデーション)機能では、構築済み教師データの汎用性を評価することができます。

精度検証機能の詳細は、下記のスライド資料をご参照ください。






    • Related Articles

    • パラメータチューニング

      機械学習では、ハイパーパラメータと呼ばれるチューニングしなければいけないパラメータがいくつか存在します。教師データが少ないうちは自動的にパラメータ調整を行いますが、教師データが1000件を超えると 自動でパラメータ調整は行われません。 正解ラベルがわかっている教師データの一部を教師データに追加せずに予測データに追加することにより、未知データ(教師データとして与えていないデータ)に対する精度(正解率)を検証しながらパラメータを調整することができます。 1. C コスト(誤分類許容度) ...
    • AI分類予測

      概要 AI分類予測は、予めユーザーがセットした教師データに基づいて、任意の検索結果や母集合について、AIが分類を予測してくれます。例えば、任意の検索結果について、【自社事業に関連する/しない】といった分類や、SDIの新着公報について、【どの開発テーマに関連するか】等、今まで人が公報を読み込んで仕分けしていた作業を、数秒以内でAIが自動で分類し、大幅な作業効率を図ることができます。 ...
    • かんたん3ステップAI分類予測

      トップページ より、以下のフォーマットで教師データファイルと予測データファイルを用意するだけで、すぐにAI分類予測を行うことができます。 1. 教師データファイル読込 以下のような1列目に番号、2列目に任意のラベル名を付与した番号リストを用意します。多値分類の場合、任意のラベル名、2値分類の場合、1か-1を付与します。カンマ区切りかタブ区切り、どちらでも構いません。 サンプル教師データファイル 2. 予測データファイル読込 ...
    • AI分類予測の入力番号フォーマット

      【日本公報の番号フォーマット】 番号フォーマットは複数サポートしており、特願2001-1、特開2004-123456、特許6123456などが使えます。お持ちの番号フォーマットが対応していない場合はお問い合わせ下さい。 JP20060290111 # EPODOC形式出願番号(JPYYYYNNNNNNN),多能性幹細胞 特願2010-122389 # 特願形式(特願YYYY-N),多能性幹細胞 WO2013176233 # WO形式,多能性幹細胞 特許5544573 ...
    • 交差検証(クロスバリデーション)を使用した教師データの汎化性評価

      AI分類予測では、教師データの性能を評価するための精度検証機能が備わっています。 精度検証機能を利用することで、下図のように、全体の精度と各ラベルの精度が表示され、構築済み教師データの精度を測定することができます。 精度検証機能では、特定のデータに対する精度(上図では、85.7%)を測定することはできますが、他のデータに対しても同等の精度がでるかどうかは分かりません。 検証用のデータセットを複数用意して検証することもできますが、データセットを用意する手間がかかります。 ...