すべてのプロダクト
Search

このプロダクト

    Platform For AI:混乱マトリックス

    ドキュメントセンター

    Platform For AI:混乱マトリックス

    最終更新日:Jul 22, 2024

    Confusion Matrixコンポーネントは、教師あり学習に適しており、教師なし学習におけるマッチング行列に対応する。 精度評価では、Confusion Matrixコンポーネントを使用して、分類結果を実際の測定値と比較し、分類結果の精度をマトリックスに表示します。 このトピックでは、Platform for AI (PAI) でConfusion Matrixコンポーネントを設定する方法について説明します。

    制限事項

    MaxComputeのコンピューティングリソースのみに基づいて、Confusion Matrixコンポーネントを使用できます。

    コンポーネントの設定

    次のいずれかの方法を使用して、Confusion Matrixコンポーネントを設定できます。

    方法1: PAIコンソールでコンポーネントを設定する

    Machine Learning DesignerでConfusion Matrixコンポーネントのパラメーターを設定できます。 下表に、各パラメーターを説明します。

    パラメーター

    説明

    オリジナルラベル列

    数値データ型の列がサポートされています。

    予測結果ラベル列

    このパラメーターは、Thresholdパラメーターが指定されていない場合に必要です。

    しきい値

    陽性サンプルを決定するために使用される閾値。 サンプル値がこのパラメータの値よりも大きいサンプルは陽性サンプルである。

    予測結果の詳細列

    予測結果詳細列と予測結果ラベル列パラメーターのいずれかのみを設定できます。 このパラメーターは、Thresholdパラメーターが指定されている場合に必要です。

    肯定的なサンプルラベル

    このパラメーターは、Thresholdパラメーターが指定されている場合に必要です。

    方法2: PAIコマンドを使用してコンポーネントを構成する

    次のセクションでは、パラメーターについて説明します。 SQLスクリプトを使用してPAIコマンドを呼び出すことができます。 詳細については、「SQLスクリプト」をご参照ください。

    • しきい値が指定されていません

      pai -name confusionmatrix -project algo_public
    -DinputTableName=wpbc_pred
    -DoutputTableName=wpbc_confu
    -DlabelColName=label
    -DpredictionColName=prediction_result;

    • 指定したしきい値

      pai -name confusionmatrix -project algo_public
    -DinputTableName=wpbc_pred
    -DoutputTableName=wpbc_confu
    -DlabelColName=label
    -DpredictionDetailColName=prediction_detail
    -Dthreshold=0.8
    -DgoodValue=N;

    パラメーター

    必須

    説明

    デフォルト値

    inputTableName

    可

    入力テーブルの名前。 この値は、予測出力テーブルの名前でもある。

    N/A

    inputTablePartition

    不可

    トレーニング用に入力テーブルから選択されたパーティション。

    フルテーブル

    outputTableName

    可

    出力テーブルの名前。 出力テーブルは、混同行列を格納するために使用される。

    N/A

    labelColName

    可

    元のラベル列の名前。

    N/A

    predictionColName

    不可

    予測結果列の名前。 このパラメーターは、thresholdパラメーターが指定されていない場合に必要です。

    N/A

    predictionDetailColName

    不可

    予測結果の詳細列の名前。 このパラメーターは、thresholdパラメーターが指定されている場合に必要です。

    N/A

    しきい値

    不可

    陽性サンプルを決定するために使用される閾値。

    0.5

    goodValue

    不可

    バイナリ分類のトレーニング係数に対応するラベル値。 このパラメーターは、thresholdパラメーターが指定されている場合に必要です。

    N/A

    coreNum

    不可

    コンピューティングで使用されるコアの数。

    自動割り当て

    memSizePerCore

    不可

    各コアのメモリサイズ。 単位：MB。

    自動割り当て

    ライフサイクル

    不可

    出力テーブルのライフサイクル。

    N/A

    例

    1. MaxComputeクライアントを使用して、test_dataという名前のテーブルを作成します。 テーブルの列はid、label、prediction_resultで、列の型はbigint、string、stringです。 MaxComputeクライアントのインストール方法と設定方法については、「MaxComputeクライアント (odpscmd) 」をご参照ください。 テーブルの作成方法については、「テーブルの作成」をご参照ください。

    2. 次のテストデータをtest_dataテーブルにインポートします。 データをインポートする方法の詳細については、「データをテーブルにインポートする」をご参照ください。

      id

      ラベル

      prediction_result

      0

      HTTP ステータスコードが

      HTTP ステータスコードが

      1

      HTTP ステータスコードが

      B

      2

      HTTP ステータスコードが

      HTTP ステータスコードが

      3

      HTTP ステータスコードが

      HTTP ステータスコードが

      4

      B

      B

      5

      B

      B

      6

      B

      HTTP ステータスコードが

      7

      B

      B

      8

      B

      HTTP ステータスコードが

      9

      HTTP ステータスコードが

      HTTP ステータスコードが

    3. 次の図に示すようにパイプラインを作成し、パイプラインを実行します。 詳細については、「アルゴリズムモデリング」をご参照ください。 混淆矩阵实验

      1. 左側のリストから [読み取りテーブル] コンポーネントと [混乱行列] コンポーネントをキャンバスにドラッグします。

      2. 前の図に示すようにコンポーネントを接続してパイプラインを構築します。

      3. コンポーネントパラメーターを設定します。

        • キャンバス上の [Read Table -1] コンポーネントをクリックします。 右側の [テーブルの選択] タブで、[テーブル名] パラメーターをtest_dataに設定します。

        • キャンバスでConfusion Matrix -1コンポーネントをクリックし、パラメーターを設定します。 次の表に、主要なパラメーターを示します。 他のパラメーターにはデフォルト値を使用します。

          パラメーター

          説明

          オリジナルラベル列

          label列を選択します。

          予測結果ラベル列

          prediction_resultを入力します。

      4. パラメーターを設定したら、アイコンをクリックしてimageパイプラインを実行します。

    4. パイプラインの実行後、[Confusion Matrix -1] コンポーネントを右クリックし、[Visual Analysis] を選択してコンポーネントの出力を表示します。

      • [混同行列] タブをクリックして、出力混同行列を表示します。

        image

      • [統計] タブをクリックして、モデルに関する統計を表示します。

    関連ドキュメント