# 混同行列

> 混同行列 - DataRobotの多クラス混同行列オプションの詳細について説明します。

This Markdown file sits beside the HTML page at the same path (with a `.md` suffix). It summarizes the topic and lists links for tools and LLM context.

Companion generated at `2026-07-15T05:55:45.107912+00:00` (UTC).

## Primary page

- [混同行列](https://docs.datarobot.com/ja/docs/workbench/nxt-workbench/experiments/experiment-insights/confusion-matrix.html.md): Full documentation for this topic (Markdown sidecar).

## Sections on this page

- [多クラス行列の概要](https://docs.datarobot.com/ja/docs/workbench/nxt-workbench/experiments/experiment-insights/confusion-matrix.html.md#multiclass-matrix-overview): In-page section heading.
- [クラスのソートオプション](https://docs.datarobot.com/ja/docs/workbench/nxt-workbench/experiments/experiment-insights/confusion-matrix.html.md#sort-classes-options): In-page section heading.
- [設定オプション](https://docs.datarobot.com/ja/docs/workbench/nxt-workbench/experiments/experiment-insights/confusion-matrix.html.md#settings-options): In-page section heading.
- [多クラス行列の理解](https://docs.datarobot.com/ja/docs/workbench/nxt-workbench/experiments/experiment-insights/confusion-matrix.html.md#understand-the-multiclass-matrix): In-page section heading.
- [行列の操作](https://docs.datarobot.com/ja/docs/workbench/nxt-workbench/experiments/experiment-insights/confusion-matrix.html.md#work-with-the-matrix): In-page section heading.
- [選択したクラス行列](https://docs.datarobot.com/ja/docs/workbench/nxt-workbench/experiments/experiment-insights/confusion-matrix.html.md#selected-class-matrix): In-page section heading.

## Documentation content

| タブ | 説明 |
| --- | --- |
| パフォーマンス | 多クラスエクスペリメントにおけるモデルパフォーマンスの評価に役立ちます。 |

Use the Confusion Matrix to see a graphical representation that compares actual with predicted values, making it easy to note if any mislabeling has occurred and with which values. 「混同行列」という名前は、1つのクラスを別のクラスとして一貫した形で誤ったラベル設定（混同）を行うことにより、モデルがどのように2つ以上のクラスを混同するかを意味します。 （二値分類エクスペリメントには混同行列もあります。混同行列は [ROC曲線](https://docs.datarobot.com/ja/docs/workbench/nxt-workbench/experiments/experiment-insights/roc-curve.html.md) タブからアクセスできます。）

[多クラスに関する注意事項](https://docs.datarobot.com/ja/docs/classic-ui/modeling/analyze-models/evaluate/multiclass.html.md#feature-considerations) を参照してください。

混同行列は2つの視覚化を提供します。

- 選択したターゲットで見つかったすべてのクラスの概要を提供する 多クラス行列 (1)。
- 選択されたクラスの行列 (2)により、特定のクラスを分析します。

プロジェクトの構築に使用したトレーニングデータの結果に基づいて、両方の行列で各クラスの予測値と実測値が比較され、グラフィック要素によってクラスの誤ラベルが示されます。 多クラス分類混同行列は、選択したターゲットに対して見つかった各クラスの概要を示し、選択されたクラスの混同行列は特定のクラスを分析します。 これらの比較から、DataRobotモデルのパフォーマンスを判断することができます。 [Wikipedia](https://en.wikipedia.org/wiki/Confusion_matrix) には混同行列の理解に役立つ詳細な情報が提供されています。

### 多クラス行列の概要

多クラスマトリックスであるヒートマップは、DataRobotが選択したターゲットに対して認識したすべてのクラス（値）の10セルごとの10セルの概要を、出現頻度ごとに色分けして提供します。 行列表示を操作するための一部のツールには、マルチオプションツールバー (1)、ページスクロール (2)、および2つの 合計 列 (3) があり、トレーニングセット全体のコンテキストで選択したページを理解し、データセット全体のクラスの保有率を理解するのに役立ちます。

セルの順序は、インサイトの上部にあるツールバーで選択した設定に応じて異なります。

| セレクター | 説明 |
| --- | --- |
| データソース | 行列の作成に使用されるトレーニングデータからパーティションを設定します。オプションは、エクスペリメントのタイプ（時間を認識しない場合は検定またはホールドアウト、OTVの場合はバックテストの選択) に依存します。 |
| クラスのソート条件 | 行列のソートおよび方向付けに使用する方法（名前、頻度、スコア）、およびソート順（昇順または降順）を設定します。 |
| 設定 | 表現基準（カウントまたはパーセンテージ）および軸方向を制御します。 |
| エクスポート | 完全な混同行列を、データのCSV、画像のPNG、またはその両方のZIPにエクスポートします。 クラス行列は含まれません。 |

#### クラスのソートオプション

ソートオプションを以下に示します。

| オプション | 説明 |
| --- | --- |
| 名前 | 順序ソートオプションに基づく昇順または降順で、トレーニングデータで見つかったクラス名でアルファベット順にソートします。 各名前は両方の軸に表示されます。 垂直または水平の位置は、設定で選択した方向によって決定されます。 |
| 頻度（クラスは実測） | 指定されたクラスが予測されたクラスであった回数でソートされます。 各クラスの出現は、対応する合計行または列に記録されます。 |
| 頻度（クラスは予測） | 指定されたクラスがトレーニングデータ全体で実際のクラスとして表示された回数でソートされます。 各クラスの出現は、対応する合計行または列に記録されます。 |
| F1スコア | モデルの精度指標を提供し、陽性的中率とリコールに基づき計算されます。 |
| プレシジョン | すべての陽性 (Positive) の予測に関して、モデルが正しかった割合を提供します。 Positive Predictive Value (PPV) とも呼ばれます。 |
| リコール | 実測されたすべての陽性の中で、True Positives（陽性だと正しく予測された場合）が占める比率を報告します。 感度のTrue Positive Rate (TPR) とも呼ばれます。 |

#### 設定オプション

設定オプションでは、各セルで実測値と予測値を比較する「混同」のインスタンスを報告する方法を設定します。

| オプション | 説明 |
| --- | --- |
| 件数 | 実測クラスと予測クラスの組み合わせの元の出現数を報告します。 |
| 実測値のパーセンテージ | 合計カウント（「リコール」とも呼ばれます）に関連して、特定のセルに実際のクラスが表示された行のパーセンテージを報告します。 |
| 予測値のパーセンテージ | 合計カウント（「陽性的中率」とも呼ばれます）に関連して、特定のセルに実際のクラスが表示された行のパーセンテージを報告します。 |
| 実測値の傾向 | 各クラスの実測値を表示する軸を設定します。 |

### 多クラス行列の理解

完璧なモデルでは、行列は中央を通る対角線を示し、それらのセルは100%（パーセンテージに設定した場合）またはクラスの総数（カウントに設定した場合）のいずれかを参照します。 他のセルはすべて空になります。 このような結果になる可能性は低いため、以下の例を参考にして、さまざまな並べ替えや設定に基づいた行列を解釈してください。 以下の点に注意してください。

- パーセンテージを設定として使用すると、すべてのページにわたるすべてのセルは、表示する結果の行列で合計100%になります。 （実測値の割合に設定すると、実測値のクラスの合計は100%になります。）
- カウントを使用すると、すべてのページのすべてのセルの合計が 合計 列の値になります。

下の行列では、実測値のクラスが左側の軸にあり、予測されたクラスは上部にあります。 左から右に読むと、「 `Actual = X` という行すべてについて、DataRobotが他のクラスそれぞれを予測した頻度」が示されます。この行列は、 カウント ごとに表示を設定します。

この例では、モデルで27のクラスが見つかったため、軸ラベルでレポートされます（たとえば、「予測値（27件中1～10件）」）。

`Emergency/Trauma = Actual` にフォーカスし、行を見渡します。

- 合計 列は、この実測クラスを含む 4 行があることを報告します。
- 内部セルは、Actual = Emergency/Traumaの行についてDataRobotが予測したことを示しています。

ここで、 実測値のパーセンテージ に設定した行列を表示します。これは、元のカウントを合計で割った値を表示します。

`Emergency/Trauma = PREDICTED` のパーセンテージの合計は100%ではありません。 これは、パーセンテージが予測値ではなく実測値から取得されるためです。

設定を `Percent of predicted` に変更すると、その列のパーセンテージの合計が100%になります。

では、この3つの設定を並べて表示して、色付けが示すストーリーを考えてみましょう。

カウント で表示する場合、色は表示されているセルでの最大値に基づきます。 つまり、最も一般的なクラスが、まれなクラスよりも優位になります。 最初のスクリーンショットでは、 `InternalMedicine` は実測値と予測値の両方で最も一般的なクラスであるため、最も明るいセルが割り当てられます。 `Predicted InternalMedicine vs Actual InternalMedicine` が最も明るく、14回出現します。

クラスごとのモデルのパフォーマンスを理解するには、 実測値のパーセンテージ を設定します。色付けには0～100%の絶対スケールが反映されるようになりました。 これにより、データが効果的に正規化され、異なるストーリーが展開されます。 ここで、この14回の出現は、 `Actual = InternalMedicine` のある行の70％（正しい予測の出現14回を全出現20回で割ったもの）しか表していないため、 `Predicted InternalMedicine vs Actual InternalMedicine` の明るさはかなり減ります。

次に、 `Actual Urology vs Predicted InternalMedicine` を検討します。 カウント では、非常に暗い色で表示されます。このビューでの最大出現回数が14であるのに対して、2回しか出現しなかったためです。 `Actual = Urology` の行は全部で2つしかありませんでした。 しかし、 実測値のパーセンテージ を見ると、行列（明るい）は、DataRobotが `Actual = InternalMedicine` を予測した行の100%でそれをレポートします。

設定（色付け）を `Percentage of predicted` に切り替えても、予測されたクラスについては同様の結果になります。 3枚目のスクリーンショットでは、カウントで色付けしたときに明るかった `Predicted InternalMedicine vs Actual InternalMedicine` が、まだ暗いことを示しています。 なぜなら、この14回の出現は、 `InternalMedicine` を予測したすべての行の41.2%に過ぎないためです。

#### 行列の操作

行列を操作するには：

1. 予測値 軸と 実測値 軸の凡例の矢印を使用して、データセット内のすべてのクラスをスクロールします。
2. 行または列をクリックして、セル内のその特徴量のすべての出現を（白い枠線で）ハイライトします。 四角いセルは、実測クラスと予測クラスが同じである回数を示します。 クリックしたセルによって、選択したクラス行列が右側に設定されます。
3. セルにカーソルを合わせると統計が表示されます。 値は、セルのクラスの組み合わせだけでなく、設定ドロップダウンから選択できる各オプションの値もレポートします。

### 選択したクラス行列

選択したクラス行列を使用して、特定のクラスを分析します。 クラスを選択するには、行列全体をクリックするか、またはドロップダウンから選択します。 ドロップダウンから選択すると、多クラス行列のハイライトが更新され、現在の個々の選択にフォーカスします。 多クラス行列の軸を変更すると、選択したクラスの混同行列のレイアウトが変更されます。

選択したクラス行列は以下を示します。

- クラスごとのパフォーマンス (1) の個別統計および集計統計。 指標の説明各指標の簡単な説明を以下に示します。指標説明F1スコアモデルの精度を測るスケールで、陽性的中率とリコールに基づき計算されます。リコール感度またはTrue Positive Rate (TPR)とも呼ばれます。 実測されたすべての陽性の中で、True Positives（陽性だと正しく予測された場合）が占める比率。プレシジョンPositive Predictive Value (PPV)とも呼ばれます。 すべての陽性（Positive）の予測に関してモデルが正しかったパーセンテージ。
- 選択したクラス (2) の実測および予測された誤分類のパーセンテージ。
- 二値プロジェクト (3) のROC曲線で使用できる行列と同じ形式の個々のクラス混同行列。 四分割表の説明選択されたクラスの混同行列は、四分割されます。その概要を以下の表に示します。象限説明True Positive (TP)実際に _ClassX_であるデータセットのすべての行に対して、DataRobotが _ClassX_として正しく予測した割合（パーセント）は？True Negative (TN)ClassXではないデータセットのすべての行に対して、DataRobotが _ClassX_以外として正しく予測した割合（パーセント）は？False Positive (FP)DataRobotが _ClassX_として予測したデータセットのすべての行のうち、 _ClassX_ではなかった割合（パーセント）は？ これは、大きな行列内のクラスの全ての間違った予測の合計です。False Negative (FN)_ClassX_であるデータセットのすべての行に対して、DataRobotが _ClassX_以外として誤って予測した割合（パーセント）は？