問題 No.498
機械学習モデルの汎化性能を評価する際、データを分割して繰り返し訓練と検証を行い、過学習を防ぎつつ精度の信頼性を高める手法はどれか。
【正解の解説】
交差検証（クロスバリデーション）
交差検証は、データをいくつかの塊に分けて「テスト用」と「学習用」を入れ替えながら何度もテストすることで、偏りなくAIの賢さを調べる手法です。
スポンサーリンク
【その他の選択肢の解説】
ブートストラップ法
ブートストラップサンプリングは、元のデータから重複を許して何度もサンプルを取り出し、統計的な信頼性を高める手法です。
アンサンブル学習
アンサンブル学習は、複数の異なるAIの意見をまとめることで、一つのAIよりも正確な答えを出そうとする手法です。
グリッドサーチ
グリッドサーチは、AIの設定項目をあらゆる組み合わせで総当たり的に試し、最も良い設定を見つける手法です。