30秒でわかる要点
データを複数のグループに分割し、一部を訓練データ、残りをテストデータとして繰り返し評価する手法。モデルの汎化性能をより正確に評価できる。k分割交差検証が代表的。
「交差検証」の練習問題
当サイトの練習問題から、この用語に関係する問題をピックアップしました。
Q1交差検証（クロスバリデーション）の目的として最も適切なものはどれか。
- 限定されたデータを複数の部分に分割し、各部分をテストセットとして使用することで、モデル評価の信頼性を高める
- 訓練データ全体を何度も繰り返して使用し、モデルをより長く訓練する
- テストデータの大きさを恣意的に変更して、最適なサイズを見つける
- 訓練とテスト以外に、複数の中間データセットを使用する
答えと解説を見る
正解：A
クロスバリデーション（例：k-fold CV）は、データをk個に分割し、各回で異なる部分をテストセットとして使用。全データを活用して、より安定した評価指標を得られる。特にデータが限定される場合に有効。B、C、Dはこの目的を説明していない。
Q2交差検証（K-Fold Cross Validation）の利点はどれか。
- 限定的なデータセットから、より信頼性の高いモデルの性能評価を得る
- モデルの訓練時間を大幅に短縮する
- 重みの初期化を自動的に最適化する
- 全てのハイパーパラメータを自動調整する
答えと解説を見る
正解：A
K-Fold交差検証はデータセット全体を複数回にわたり異なる訓練・検証分割で使用するため、安定した性能推定が得られます。
Q3交差検証を行う主な理由として最も重要なのはどれか。
- 限定されたデータセットを有効活用し、モデルの汎化性能をより正確に評価し、過学習を検出するためである
- 訓練データサイズを増やす
- モデルの訓練速度を高速化する
- テストデータセットが不要になる
答えと解説を見る
正解：A
K-fold 交差検証は全データを活用。単一分割より安定的評価。過学習検出に有効。ただしテスト用の独立セット必須。
機械学習の問題をまとめて解いて、理解を確かめましょう（無料・登録不要）。
機械学習の練習問題を解く