Platform For AI:モデルを評価する

手順

1. Machine Learning Platform for AIにログインし、パイプラインページに移動します。

   詳細については、「データの準備と前処理」をご参照ください。

2. 予測ノードを作成します。

   

   1. コンポーネントのリストで、予測コンポーネントを検索し、コンポーネントをキャンバスにドラッグアンドドロップしてから、生成されたノードをSplit-1ノードの子ノードとLogistic Regression for Binary Classification-1ノードとして指定します。

   2. キャンバス上の [予測-1] ノードをクリックします。 表示される右側のパネルで、[フィーチャ列] および [予約済み列] の [フィールドの選択] をクリックします。 [フィールドの選択] ダイアログボックスで、[選択済み] セクションの [編集] をクリックし、次のパラメーターを設定します。

      • 機能列: コードエディターで、ifhealthを除くage、sex、cp、trestbps、chol、fbs、restecg、thalach、exang、oldpeak、slop、ca、thalフィールドを入力します。

      • 予約済み列: コードエディターでifhealthと入力します。

3. バイナリ分類評価という名前のノードを作成します。

   

   1. コンポーネントのリストで、バイナリ分類評価コンポーネントを検索し、コンポーネントをキャンバスにドラッグアンドドロップして、生成されたノードを予測-1ノードの子ノードとして指定します。

   2. キャンバス上の [バイナリ分類評価-1] ノードをクリックします。 右側の [フィールド設定] タブで、[元のラベル列] を [ifhealth] に設定します。

4. キャンバスの左上隅にある [実行] をクリックします。

5. モデルの評価レポートを表示します。

   1. ノードの実行が停止したら、[バイナリ分類評価] コンポーネントを右クリックします。 表示されるショートカットメニューで、[分析の表示] をクリックします。

   2. [評価チャート] タブをクリックして、パラメーターが異なるバイナリ分類モデルの受信者動作特性 (ROC) 曲線を表示します。