「さ」

ものの集まりをいくつかの種類に分ける方法の一つに、最短距離法というものがあります。この方法は、それぞれの集まりの間にある離れ具合を測るために、集まりに属するもののうち、最も近いもの同士の距離を使います。 たとえば、東京の人の集まりと大阪の人の集まりを考えます。東京に住む人と大阪に住む人の中で、渋谷駅にいる人と梅田駅にいる人が最も近いとします。すると、東京の人たちの集まりと大阪の人たちの集まりの間の距離は、渋谷駅と梅田駅の距離として扱われます。このように、集まりの間の距離を、最も近いもの同士の距離で表すので、最短距離法と呼ばれています。 この方法は、ものの集まりを段階的に分けていく時によく使われます。分ける過程で、ものの集まりがだんだん一つにまとまっていく様子を、木の枝のように表すことができます。この木の枝のような図を樹形図といいます。 また、最短距離法は単連結法とも呼ばれます。これは、集まり同士が最も近いもの一つだけでつながっているように見えるからです。言い換えると、集まり同士のつながりが最も弱い部分を基準にして距離を測っているとも考えられます。 たとえば、いくつかの町をいくつかのグループに分けたいとします。それぞれの町から最も近い町を探し、その距離を測ります。最も距離が近い町同士を一つのグループにまとめます。次に、そのグループと他の町、もしくはグループ同士の距離を測り、また最も近いもの同士をまとめます。これを繰り返していくことで、最終的にすべての町を一つのグループにまとめることができます。そして、その過程を樹形図で表すことで、どの町がどの町と近く、どのようにグループ分けされていくのかを視覚的に理解することができます。このように、最短距離法は、ものの集まりを視覚的にわかりやすく分類するために役立つ方法です。

機械学習の分野では、作り上げた予測モデルの良し悪しを評価することがとても大切です。その評価指標の一つに「再現率」というものがあります。これは、実際に起きた事象の中で、モデルが正しく予測できた割合を表しています。 例として、健康診断で病気を発見するシステムを考えてみましょう。多くの人が健康診断を受け、その中には実際に病気を抱えている人もいます。このシステムの目的は、病気の人を正確に見つけることです。再現率は、実際に病気の人の中で、システムが正しく「病気」と判断できた人の割合を示します。つまり、病気を見逃すことなく、どれだけ多く発見できたかを測る指標と言えるでしょう。 この再現率は、０から１までの数値で表されます。１に近いほど、病気の人を見逃すことなく発見できていることを示し、良いシステムと言えます。逆に０に近いと、多くの病気の人を見逃していることになり、システムの改善が必要です。 特に、病気の診断のように、見逃しが命に関わるような場面では、この再現率は非常に重要な指標となります。早期発見が治療の鍵となる病気の場合、見逃しは取り返しのつかない結果を招く可能性があります。そのため、高い再現率を持つ診断システムの開発は、医療現場にとって非常に重要です。また、犯罪捜査や防災など、見逃しが大きな損失につながる分野でも、再現率は重要な役割を果たします。