クロスバリデーションとは？
くろすばりでーしょん
クロスバリデーションとは、機械学習モデルの汎化性能を推定するために、データを複数の分割で繰り返し訓練・評価する検証手法です。
クロスバリデーション（交差検証）は、限られたデータから機械学習モデルの「未知データへの対応力（汎化性能）」を信頼性高く推定するための技法です。単純にデータを一度だけ訓練用・テスト用に分割すると、偶然の分割結果に左右されやすくなる問題を解消します。
代表的な手法には以下があります。
- k分割交差検証（k-fold CV）：データをk個に分割し、k回繰り返してそれぞれ1つを検証用・残りを訓練用に使う最もよく使われる手法
- Leave-One-Out（LOO-CV）：1件ずつをテストデータとして取り出す極端な場合。データが少ないときに有効
- 層化k分割（Stratified k-fold）：クラス比率が偏っているデータで各分割のクラス比率を均等に保つ手法
得られたk個の評価スコアの平均と標準偏差を指標として、モデルの性能と安定性を同時に評価できます。また、ハイパーパラメータのチューニングにも広く使われており、過学習を防ぎながら最適なモデルを選択するプロセスにおいて不可欠な役割を果たします。
計算コストが高い点が難点ですが、データが少ない医療・科学研究の分野では特に重要な手法です。
使い方・例文
5分割交差検証では、データを5等分して「1〜4番を訓練、5番をテスト」「1〜3・5番を訓練、4番をテスト」…と5通りの評価を行い、その平均精度でモデルの性能を報告します。
この用語をシェア
最終更新: