【正誤情報】『ビジネス活用事例で学ぶデータサイエンス入門』

対象書籍

ビジネス活用事例で学ぶデータサイエンス入門

本書にて、以下の誤りがございました。

お詫びして、訂正させていただきます。

● P.112 　下から6行目

（誤）　その直線で縦軸（説明変数）の値から、横軸（目的変数）の値を

　　↓

（正）　その直線で横軸（説明変数）の値から、縦軸（目的変数）の値を

● p.249、p.250

この部分の「Precision」と「Recall」の解説について、説明の記述が入れ替わっておりました。

つまり、 precision（精度）についての説明が、Recall（再現率）についての説明になっており、

Recall（再現率）についての説明が、precision（精度）についての説明になっておりました。

具体的には、p.249の

分類モデルの判別性能はPrecision，Recall という指標で評価されます。Precision は推定が一致した数を把握する指標であり、多く予測してしまえば、この数値はあがっていきます。一方でRecall は推定が一致した確率を把握する指標であり、絶対に当たる1 ケースのみを予測してしまえば数値があがってしまいます。

は、それぞれ、Precision，Recallの述語部分が入れ替わって、

分類モデルの判別性能はPrecision，Recall という指標で評価されます。Precision は推定が一致した確率を把握する指標であり、絶対に当たる1 ケースのみを予測してしまえば数値があがってしまいます。一方でRecall は推定が一致した数を把握する指標であり、多く予測してしまえば、この数値はあがっていきます。

となり、p.250の

図をみると、基本的に「数の閾値」をあげるほど「Precision」が下がり、「Recall」が上がるという傾向があり、さらに「累積する期間」を長くするほどに「Precision」の値が減衰していることがわかります

は、

図をみると、基本的に「数の閾値」をあげるほど「Recall」が下がり、「Precision」が上がるという傾向があり、さらに「累積する期間」を長くするほどに「Recall」の値が減衰していることがわかります

さらに、

「累積する期間」を長くするほどに「Precision」の値が減衰している。

も

「累積する期間」を長くするほどに「Recall」の値が減衰している。

となり、p.250の下の表の項目もPrecision，Recallが入れ替わります。

上記のご指摘をいただいた読者のかたに感謝いたします。