難易度：★★☆☆☆
本講座では、モデルの予測精度を評価するための「評価関数」に関する基礎的な知識を学びます。 回帰、分類、推薦・検索、物体検出など、タスクの種類に応じた評価関数の使い分けについても解説します。
評価関数のGymへようこそ。
ここでは、機械学習モデルの予測精度の評価するための指標である、評価関数について学んでいきます。また、回帰、分類、推薦・検索、物体検出など、タスクの種類に応じた評価関数の使い分けについても解説します。
まずは、本Gymの概要とカリキュラムを紹介します。
Mission 1
このミッションでは、評価関数の基本的な考え方を学んでいきます。
このタスクでは、評価関数の基本的な考え方について見ていきましょう。
Mission 2
このミッションでは、回帰問題で使用する代表的な評価関数として、MAE、RMSE、MAPE、R2（決定係数）について学んでいきます。
このタスクでは、回帰問題の代表的な評価関数であるMAEとRMSEについて学びます。
このタスクでは、誤差率（相対誤差）を測るための評価関数であるMAPEについて学びます。
このタスクでは、モデルの当てはまり度合いを測るための評価関数であるR2（決定係数）について学びます。
Mission 3
このミッションでは、分類問題で使用する代表的な評価関数として、混同行列、Accuracy、Precision、Recall、F値、AUCについて学んでいきます。
このタスクでは、分類問題の評価関数の基礎となる、混同行列の考え方について見ていきます。
このタスクでは、分類問題の評価関数である、Accuracy（正解率）、Precision（適合率）、Recall（再現率）、F値の考え方について見ていきます。
このタスクでは、ROC曲線とAUCの基本的な考え方について見ていきます。
Mission 4
このミッションでは、推薦・検索問題で使用する代表的な評価関数として、mAP@NやnDCGについて学んでいきます。
このタスクでは、以下のトピックを扱います。
Mission 5
このミッションでは、物体検出（領域検出）問題で使用する代表的な評価関数として、IoUやmAPについて学んでいきます。
このタスクでは、以下のトピックを扱います。
