• ヘルプ
  • English
  • 家
  • Predict ML
  • 使い方
    • Predictについて
    • Predictの使用
    • ベストプラクティス
    • 前提条件
    • 用語集
    • データのコンプライアンスと使用
  • 戦略を定義する
    • 何を予測するかを決定する
    • 属性の準備状況
    • データの準備
    • トレーニングを開始する
  • トレーニングモデルの作成
    • モデルを追加する
    • モデルのレビュー
  • モデルの評価と再訓練
    • トレーニング済みモデルの評価
    • 強度スコア
    • 混同行列
    • ROC/AUCカーブ
    • 確率分布
    • モデルのステータスを表示する
    • モデルの再訓練
  • モデルのデプロイ
    • モデルのデプロイ
    • モデルのアンデプロイ
    • デプロイされたモデルの健康状態
    • モデルの再訓練に関する推奨事項
    • モデルの削除
  • オーディエンスを作成する
    • オーディエンスの考慮事項
    • Predictを使用してオーディエンスを作成する
  • 高度なトピック
    • 機械学習と人工知能の違い
    • マシンラーニングの概念と技術
  • ホーム > 
  • Predict ML

モデルの評価と再訓練

トレーニング済みモデルの評価

この記事では、モデルをデプロイする前にトレーニング済みバージョンを評価する方法の概要を提供します。モデルをデプロイする前に、モデルのステータスと予測の潜在的な強さを確認するためのガイドとして、以下のセクションを使用してください。

強度スコア

この記事では、Tealium Predict MLで訓練され、デプロイされたモデルにスコアと評価を割り当てるために使用されるモデルスコアリング技術と式について詳しく説明します。

混同行列

この記事では、混同行列と、訓練済みモデルの評価にどのように使用するかについて説明します。

ROC/AUCカーブ

この記事では、ROC/AUCカーブと、それを訓練済みモデルのパフォーマンス測定として使用する方法について説明します。

確率分布

この記事では、確率分布を使用して訓練済みモデルを解釈する方法について説明します。

モデルのステータスを表示する

この記事では、モデルのステータスを表示する方法について説明します。

モデルの再訓練

この記事では、モデルを評価し、予測を改善するために必要な変更を決定した後、モデルを再訓練する方法について説明します。

  • tealium_footer_logo_01
  • Support
  • Tealium University
  • Knowledge Base
  • Support Desk
  • Company
  • Tealium.com
  • Blog
  • Careers
  • ホーム
  • 手引き
  • iQ Tag Management
  • EventStream API Hub
  • AudienceStream CDP
  • Moments API
  • 機能
  • データコネクト
  • Predict ML
  • DataAccess
  • Tealium Insights
  • クライアントサイド タグ
  • サーバーサイド コネクタ
  • プラットフォーム
  • API
  • 管理
  • ティーリウムツール
  • ファーマ向けティーリアム
  • ティーリウム・アイデンティティ・パートナーズ
  • テクノロジーパートナー
  • パートナー統合
  • 用語集
  • 早期アクセス
  • リリースノート
  • Predictについて
  • Predictの使用
  • ベストプラクティス
  • 前提条件
  • 用語集
  • データのコンプライアンスと使用
  • 何を予測するかを決定する
  • 属性の準備状況
  • データの準備
  • トレーニングを開始する
  • モデルを追加する
  • モデルのレビュー
  • トレーニング済みモデルの評価
  • 強度スコア
  • 混同行列
  • ROC/AUCカーブ
  • 確率分布
  • モデルのステータスを表示する
  • モデルの再訓練
  • モデルのデプロイ
  • モデルのアンデプロイ
  • デプロイされたモデルの健康状態
  • モデルの再訓練に関する推奨事項
  • モデルの削除
  • オーディエンスの考慮事項
  • Predictを使用してオーディエンスを作成する
  • 機械学習と人工知能の違い
  • マシンラーニングの概念と技術