G検定（JDLA） 練習問題 36：モデル評価：汎化性能の検証手法
機械学習モデルの汎化性能を評価する手法である「k分割交差検証（k-fold cross validation）」について、正しいものはどれか。
- データをk個に分割し、1つを検証用、残りを学習用として、これをk回繰り返して評価値を平均する手法。
- データを一度だけ学習用と検証用に分けて、その1回の結果のみでモデル性能を確定的に評価する手法。
- 学習データとテストデータをあえて完全に一致させ、評価結果の再現性を高めるための手法である。
- k個の異なるモデルを並行して学習させ、最も精度が高い1つのモデルのみを最終的に採用する手法。
- 検証用データを一切用いず、学習データのみで損失を計算してモデルの汎化性能を推定する手法。
正解と解説を見る
正解：データをk個に分割し、1つを検証用、残りを学習用として、これをk回繰り返して評価値を平均する手法。
k分割交差検証は、データセットをk個の部分集合に分割し、各回で異なる1つを検証用、残りのk-1個を学習用として学習・評価を繰り返し、得られたk個の評価結果の平均を性能指標とする手法です。
【正解の理由】
この方法により、データの分割の仕方による偏りの影響を抑え、限られたデータでもより安定的にモデルの汎化性能を評価できます。
【不正解の理由】
• 「データを一度だけ分割し1回の結果のみで確定的に評価する」という説明は誤り。1回限りのホールドアウト法とは異なり、複数回繰り返して平均を取るのがk分割交差検証の特徴
• 「学習データとテストデータをあえて完全に一致させる」という説明は誤り。学習用と検証用は互いに独立した部分集合として扱う
• 「k個の異なるモデルを並行学習し最良の1つを採用する」という説明は誤り。k分割交差検証は同一のモデル構造の性能を評価する手法であり、モデル選択そのものが目的ではない
• 「検証用データを一切用いない」という説明は誤り。各回で必ず検証用データを用いて評価する