#62 Section 17 回帰（６） 予測

4th STEP 機械学習 前処理 Section 17 回帰（６） 予 測 Setup Compare Models Analyze Model データサイエンス チュートリアル Prediction Save Model 1

4th STEP 機械学習 Section 17 回帰（６） 予測 予測結果の性能評価 さて、『Prediction（予測）』の最初のコードは下記のようなものです。 ★ 右側のpredict_model関数は、通常、『predict_model(モデル名, data=データ名)』の ような引数を指定しますが、setup()で分割したテストデータに対して予測した結果を返してくれます。 引数『data=データ名』が無い場合は、指定したモデルの性能評価が出力されます。 『holdout_pred』は、predict_model() の実行結果が格納される変数です。 ですから、★のようにコードを書く、下記のように指定したモデルの性能評価が出力されます。 ※ MAE、MSE、RMSE、R2、RMSLE、MAPEに関しては、『#59 Section14 回帰（３）モデルの評価・比較』 を参照してください。 データサイエンス チュートリアル 2

4th STEP 機械学習 Section 17 回帰（６） 予測 予測結果の出力 また、『holdout_pred』は、予測結果が格納されたデータフレームを保持していますので、下記のコードのように 『holdout_pred.head()』とすると、指定したモデルをテストデータに当てはめた予測結果が出力されます。元にデータに 『prediction_label』という列が追加され、そこに『保険料（charges）』の予測結果が表示されています。 これで、テストデータの予測ができました。 データサイエンス チュートリアル 3

4th STEP 機械学習 Section 17 回帰（６） 予測 新たなデータで予測（１） 同じコードは、未知のデータセットのラベル予測にも使えます。元のデータのコピーを作成し、列『charges』を削除し、新たな データ『new_data』を作成します。 データサイエンス チュートリアル 4

4th STEP 機械学習 Section 17 回帰（６） 予測 新たなデータで予測（２） 次は、この『new_data』を下記に当てはめて、 『new_data』の予測をしています。 predict_model(モデル名, data=データ名) スライド2と異なり、 『data=new_data』となっていますので、 『new_data』に対して予測した結果を返してくれます。出 力は、元にデータに『prediction_label』という列が追加され、そこに『保険料（charges）』の予測結果が表示されてい ます。 データサイエンス チュートリアル 5

4th STEP 機械学習 Section 17 回帰（６） 予測 新たなデータで予測（３） 『predictions』がどの程度予測できているかを見てみましょう。元データの最初の５行は、『data.head()』で出力されます。 indexは操作していませんので、行の順番は変わっていないはずです。 比較するのは、 『data』の『charges』と『predictions』 の『prediction_label』です。 結構、バラツキがありますね。データサイエンティストは、これをチューニングしていくわけです。 元データ data 予測データ predictions データサイエンス チュートリアル 6

4th STEP 機械学習 Section 17 回帰（６） 予測 このSectionでは、既存のデータから新しいデータを作成し、予測してみ ました。 データセット『insurance』は、個人の特性に基づいて、米国の医療保険 制度における年間医療費の個人負担額（charges）を予測するため に使用されるものですが、医療費の個人負担額を、年齢、性別、BMI、 子供の数、喫煙者かどうか、地域情報だけで予測するのは難しいようで すね・・・ データサイエンス チュートリアル 7