問題 No.679
機械学習モデルの評価において、データを学習用とテスト用に一度だけ分割する手法では、データの偏りによって評価がブレやすい。手元のデータセットを複数のグループに等分割し、テスト用グループを入れ替えながら全グループで評価を繰り返し、その平均をとることで信頼性の高い性能評価を行う手法はどれか。
【正解の解説】
交差検証
交差検証は、データをいくつかのグループに分け、テストするグループを交代させながら何度も評価を繰り返すことで、データの偏りによる影響を抑え、安定した精度を確認する手法です。
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
ブートストラップ法は、元のデータから重複を許して何度もランダムにサンプリングして新しいデータを作り、統計的な推測を行う手法です。
グリッドサーチ
グリッドサーチは、AIのモデルを作る際に最適な設定値（ハイパーパラメータ）を探すため、あらかじめ決めた候補を一つずつ試していく手法です。
ホールドアウト法
ホールドアウト法は、データを学習用とテスト用に分ける最も単純な評価方法ですが、データの分け方によって結果が左右されやすい弱点があります。