ホルム法
ホルム法は、統計的仮説検定における多重検定の問題を解決するための補正手法です。複数の仮説を同時に検定する際、有意水準を調整して偽陽性の発生を厳密に制御します。機械学習における特徴量選択や多変量解析など、多くの数値データを比較・検証する場面で広く利用されています。
仮説検定のAI用語一覧
6件仮説検定に関するAI用語を6件掲載しています。意味や使い方、関連用語を一覧から確認できます。
第一種の錯誤
第一種の錯誤とは、統計的仮説検定において、実際には偽である帰無仮説を誤って棄却してしまうエラーのことです。AIのモデル評価や異常検知などの分野では、正常なものを異常だと誤検知してしまう「偽陽性」と同義として扱われます。
ボンフェローニ法
ボンフェローニ法は、多重検定を行う際に偽陽性が生じる確率を抑えるための保守的な統計的補正手法です。AIモデルの評価やA/Bテストなどで多数の仮説を同時に検証する際、有意水準を厳しく調整することで誤検出を防ぎます。
第1種の誤り
第1種の誤りとは、統計的仮説検定において、実際には正しい帰無仮説を誤って棄却してしまう誤りのことです。AIや機械学習の性能評価において偽陽性と同意義として扱われ、モデルが偽りのアラートを出すリスクを示します。
第2種の誤り
統計的仮説検定やAIの性能評価において、実際には偽である帰無仮説を誤って採択してしまう、すなわち「本当は存在しない・効果がない」と見落としてしまう誤りのことです。
第二種の過誤
統計的仮説検定やAIの機械学習モデルにおいて、実際には偽である帰無仮説を誤って採択してしまう、すなわち「見逃し」が発生するエラーのことです。