AIの基礎（ホールドアウト法・交差検証）

こんにちは。ウェブ解析士の佐藤佳です。
今回は、AIの基礎（ホールドアウト法・交差検証）の学びをシェアします。

※情報源は「窪田望のアンテナ！」ですが、
　インターネットで調べた内容も加味してブログにまとめています。

■機械学習手法の評価
機械学習の目標は未知の予測。
よって、未知データに対する予測性能を正しく評価する必要がある。

→代表的なものがホールドアウト法

■ホールドアウト法（Hold-out)
モデルを作る学習データと、
モデルを評価するテストデータに分割して評価する方法。

＜良い点＞
データを分けることで、未知のデータに対する性能を向上できる。

＜課題＞
データの分割の仕方により、精度の評価に影響が出る可能性がある。

■交差検証（クロスバリデーション法）
未知のデータに対する性能を評価する統計的な手法。

＜良い点＞
ホールドアウト法の問題点（バラつきの大きなデータ）でも使える。
分類問題でも回帰問題でも用いることができる。

＜補足＞
交差検証の中でもよく使われるのが「K-分割交差検証」。
データをK個に分割して、そのうち1つをテストデータにして、
残りのK-1個を学習データとして正解率の評価を行う。

※文字で読んでもぜんぜんわからないですよね(^^;）
「K-分割交差検証」で画像検索してみてください。イメージ沸くと思います。

★メモ
なんだかだんだん難しくなってきた気がするのですが・・・(^^;

今回はここまでです。
また次回のブログでお会いしましょう。