k-分割交差検証の理解

問題

k-分割交差検証に関する記述として正しいものを1つ選べ。

k-分割交差検証（k-fold Cross Validation）は、手元にあるデータセットをk個（例えば5個）のグループに等分割し、そのうちの1つを「テストデータ」、残りのk-1個を「学習データ」として学習・評価するプロセスをk回繰り返す評価手法です。

k回の評価結果の平均をとることで、「たまたまデータの分け方が良くて（悪くて）精度が高く（低く）出た」という偶然の影響を排除し、モデルの汎化性能をより正確に見積もることができます。

1. k-分割交差検証はデータをk個に分けて学習・評価する

正しい：データをk個に分割し、テストデータの役割を順番に入れ替えながらk回学習と評価を繰り返します。

2. k-分割交差検証は常に高速である

誤り：学習と評価のプロセスを分割した数（k回）だけ繰り返す必要があるため、1回限りのホールドアウト検証よりも計算コストが高く、時間がかかります。

3. k-分割交差検証ではテストデータを使わない

誤り：分割したk個のデータグループのうち、毎回1つを必ず「テストデータ（評価用）」として使用します。

4. k-分割交差検証は過学習を必ず防ぐ

誤り：k-分割交差検証はあくまでモデルの「評価方法（性能の見積もり方）」であり、過学習を検知することはできますが、アルゴリズム自体が過学習を防ぐ（正則化する）わけではありません。

← 前の問題次の問題 →

📚 より詳細を学びたい方へ