ハク
モデル作ったのに、本番だと当たらないんだけど…？
レイ
それ、過学習かもしれないですね。
ハク
えっ！？どうすればいいの？
レイ
そこで使うのが 「交差検証（クロスバリデーション）」です。
教師あり学習とは？
教師あり学習とは、
👉 正解データ（ラベル）付きで学習する方法です。
例：
- 「このメールは迷惑メールか？」
- 「この画像は猫か犬か？」
なぜ精度評価が難しいのか？
教師あり学習ではこんな問題が起きます👇
- 学習データ → よく当たる
- 新しいデータ → 当たらない
👉 これが 過学習（オーバーフィッティング）
交差検証とは？
交差検証とは、
👉 データを分けて、モデルの実力を正しく測る方法
です。
交差検証の仕組み（k分割）
例えば「5分割（k=5）」の場合👇
① データを5つに分ける
② 1つをテスト、残りで学習
③ これを5回繰り返す
④ 最後に平均を取る
👉 すべてのデータをテストに使えるのがポイント！
レイ
これで“たまたま当たっただけ”を防げるんですよ。
メリット
- 精度評価が安定する
- データの偏りを防げる
- 本番に近い性能がわかる
デメリット
- 計算コストが高い
- データが少ないと分割しにくい
よく出る用語
- 学習データ（トレーニングデータ）
- テストデータ
- k分割交差検証（k-fold）
レイ
教師あり学習では“精度評価の基本”です。
まとめ
交差検証とは、
👉 教師あり学習でモデルの性能を正しく評価するための方法
です。
👉 過学習を防ぐためにとても重要！
コメント