はい、もうわかる人にはすぐわかるお話です。
初心者の私も精度が出ない場合はストレスで胃をかなりキリキリさせています。
そんな同じ状態のあなたに贈る（？）、大切な視点のお話です。
PoCは精度が出るか出ないかを検証する段階
そう、PoCは”Proof of Concept”の略語。「アイディアの実証」の段階です。
そこで精度が出ない場合は「出ませんでした。原因は○○です。」と報告すれば終わりのはずです。
もちろん中途半端な検証は良くないでしょうが、『出ないものは出ない』。
そう報告しましょう。
と言うよりなんでこんな内容の記事を書いているかと言うと、私のところには厄介や上司と営業がいます。
「何でこんな精度低いもの持ってくんの？」
「使えないモデル持ってきてもダメじゃない？」
（いや、精度出ないんだけど…無理なものは無理っしょ）
こんな上司、いませんか？本当に辛いですね。
この場合は「このデータを使って作成できたモデルの予測精度はここまでです！」と胸を張って主張しましょう。
何でもデータがあればうまく行くと思ってる人は改めてください。
今までのサイコロの出目のデータがあれば次の目を予測できるとでも！？
AIができること＝人ができること
人が透視できないようにAIも透視はできません。
人が予測できることであればAIでも予測できる可能性ができます。
そう言うところにAIは導入していくべきです。
間違えても「データが揃っていれば何でもできる」と言う考えに陥らないようにしましょう。
実用モデルの作成にはデータ収集、再分析、再検証の繰り返しが必要
一度のデータ取集で実運用可能なモデルができることはまずないのではないでしょうか。
またできたモデルは一度、学習データ以外のデータで予測精度の検証のフェーズを設ける必要性があるでしょう。
このような工程を繰り返してモデルは完成されていくものです。
くれぐれも「なんで精度が出ないんですか？え？おかしくない？」なんて聞かないようにしましょうね。
コメント