ホールドアウト検証の理解

問題

ホールドアウト検証に関する記述として正しいものを1つ選べ。

ホールドアウト検証は、手元にあるデータセットを「学習用（訓練データ）」と「評価用（テストデータ）」の2つ（または検証用を含めた3つ）にシンプルに分割し、モデルの性能を評価する手法です。

計算が1回で済むため高速ですが、データの分け方によって評価結果がブレやすいという弱点があります。データ量が十分に多い場合や、深層学習のように1回の学習に非常に長い時間がかかる場合によく使われます。

1. ホールドアウト検証は1回だけデータを分割する

正しい：データセットをあらかじめ決めた比率（例：7:3）で1回だけ「訓練用」と「テスト用」に分割して評価を行う基本的な手法です。

2. ホールドアウト検証は評価が安定しやすい

誤り：1回しか分割しないため、「たまたまテストデータに偏ったデータが含まれていた」などの理由で評価結果がブレやすく（安定しにくく）なります。

3. ホールドアウト検証は全データを訓練に使う

誤り：全データを訓練に使ってしまうと未知データでの評価（汎化性能の測定）ができないため、必ず一部のデータをテスト用として取り分けておきます。

4. ホールドアウト検証は交差検証より計算コストが高い

誤り：1回の学習と評価で終わるため、複数回学習を繰り返す「交差検証」よりも計算コストは低く（速く）なります。

← 前の問題次の問題 →

📚 より詳細を学びたい方へ