Create Threshold

チュートリアルプロセス

しきい値の作成と適用

このプロセス例は、サブプロセス演算子で始まります。このサブプロセスは、ラベル付きのExampleSetを提供します。サブプロセス演算子をダブルクリックして、サブプロセス内で何が起こっているかを確認しますが、しきい値の作成演算子の使用には直接関係ありません。サブプロセスでは、K-NN分類モデルが学習され、「重み付け」データセットのさまざまなサンプルに適用されます。結果のラベル付きExampleSetは、このサブプロセスの出力です。このサブプロセスの後にブレークポイントが挿入されるため、しきい値の作成演算子としきい値の適用演算子を適用する前に、ラベルが付いたExampleSetを確認できます。 ExampleSetには20の例があることがわかります。それらの11は「陽性」と予測され、残りの9つの例は「陰性」と予測されます。肯定的予測の信頼度に従って結果を並べ替えると、「肯定的」と予測された11の例のうち、3つの例が0.600の信頼性、4つの例が0.700の信頼性、3つの例の信頼性が0.800、1つの例の信頼性が0.900であることが簡単にわかります。

ここで、サブプロセスの外で何が起こっているのか見てみましょう。しきい値の作成には、しきい値の作成演算子が使用されます。しきい値パラメーターは0.700に設定され、第1クラスと第2クラスのパラメーターはそれぞれ「負」と「正」に設定されます。ここにブレークポイントが挿入され、結果ワークスペースでしきい値を確認できます。結果ワークスペースの次のステートメントは、すべてを説明しています。

信頼性（正）> 0.7の場合、正。他の否定的な

このステートメントは、confidence（positive）が0.7より大きい場合、クラスは正と予測されるべきであり、そうでない場合は負と予測されるべきであることを意味します。一般的な形式では、このステートメントは次のようになります。

Confidence（second）> Tの場合、second;最初に。

ここで、T、second、firstは、それぞれしきい値、2番目のクラス、1番目のクラスのパラメーターの値です。

このしきい値は、しきい値の適用演算子を使用してラベル付きのExampleSetに適用されます。 ExampleSetにApply Threshold演算子を適用すると、2つの可能性があることがわかります。2番目のクラスの信頼度が指定されたしきい値よりも大きい場合、予測は2番目に設定されます。このプロセスで、2番目のクラスの信頼度、つまり「ポジティブ」（しきい値の作成演算子の2番目のクラスパラメーターで指定されたクラス）が指定されたしきい値、つまり0.700（しきい値の作成演算子のしきい値パラメーターで指定されたしきい値）より大きい場合予測は「正」に設定され、そうでない場合は「負」に設定されます。ラベルの付いたExampleSetでは、4つの例のみが0.700より大きい信頼性（正）を持ちました。しきい値の適用演算子を適用すると、これらの4つの例のみに「正」の予測が割り当てられ、他のすべての例には「負」の予測が割り当てられます。