交差検証の特徴

問題

交差検証に関する記述のうち誤りを1つ選べ。

交差検証（クロス・バリデーション、k-分割交差検証）は、データをk個（例えば5個）のグループに分割し、「1つをテスト用、残りを学習用」とする役割をローテーションしながらk回学習・評価を繰り返し、その平均をとる評価手法です。

ホールドアウト検証のように「たまたま分割が悪くて精度が偏る」リスクを減らせるため、特にデータ量が限られている状況で、より信頼性の高いモデル性能の見積もりを行うために不可欠な手法です。

1. 交差検証は複数回データを分割して評価する

正しい：データを複数のブロックに分け、テスト用と学習用の役割を入れ替えながら複数回学習と評価を実行します。

2. 交差検証はデータ量が少ないときに有効

正しい：限られたデータ全体を漏れなく学習とテストの両方に活用できるため、データ量が少ない場合にモデルの汎化性能を正確に測るのに適しています。

3. 交差検証は評価のばらつきを抑える

正しい：データの分割パターンを変えて複数回評価した結果の「平均値」をとるため、1回限りの評価よりも結果のばらつきが抑えられ、信頼性が高まります。

4. 交差検証は常にホールドアウトより高速である

誤り：データの分割数（k回）だけ学習と評価を繰り返す必要があるため、1回しか学習しないホールドアウト検証よりも計算コストが高く、遅くなります。

← 前の問題次の問題 →

📚 より詳細を学びたい方へ