問題 No.391
機械学習モデルの評価において、データセットを分割して学習と検証を繰り返す「k分割交差検証」を行う最大の目的として、最も適切なものはどれか。
【正解の解説】
検証データの選択に依存した偏りを防ぎ、モデルの汎化性能をより正確に見積もるため
データを何パターンかに分割して検証を繰り返すことで、特定のデータへの依存による偶然の成功（偏り）を防ぎ、モデルが未知のデータに対してどれくらい通用するかをより客観的に評価できます。
スポンサーリンク
【その他の選択肢の解説】
学習にかかる計算時間を大幅に短縮し、少ないデータで高い精度を出すため
むしろ何度も学習を繰り返すため、計算時間は増大します。
モデルのパラメータ数を減らし、過学習の兆候を早期に検知するため
k分割交差検証は評価のための手法であり、それ自体が直接パラメータ数を減らすわけではありません。
データ内のノイズを除去し、本来のデータ分布を推定しやすくするため
ノイズ除去は前処理の役割であり、交差検証の目的ではありません。