② 機械学習の概要 ／ 10. モデルの選択・評価
ホールドアウト検証とは
ホールドアウト検証とは、データを学習用とテスト用に一度だけ分割する評価手法です。簡便である一方、分割の仕方によって評価がばらつく点に注意が必要です。
この用語はG検定シラバスの「10. モデルの選択・評価」に含まれます。 章全体の用語は用語解説②（全62語）にまとまっています。
一言でいうと
データを学習用とテスト用に1回だけ分けて評価する、最もシンプルな検証方法です。
仕組みと長所
手元のデータを、たとえば8:2などの比率で学習用とテスト用に1回だけ分けます。学習用でモデルを作り、テスト用で性能を測ります。
学習が1回で済むため計算コストが低いのが最大の長所です。データが十分に多い場合はこれで実用上問題ありません。
弱点：評価がばらつく
たまたまテスト用に簡単なデータが集まれば性能は高く出ますし、難しいデータが集まれば低く出ます。つまり1回の分割結果に評価が左右されます。
データが少ないほどこの影響は大きくなります。そこで分割を変えて複数回評価する交差検証が使われます。
3つに分けるのが基本
実務では2分割ではなく、訓練データ・検証データ・テストデータの3つに分けるのが基本です。
- 訓練：モデルの学習に使う
- 検証：パラメータの調整やモデルの選択に使う
- テスト：最後に一度だけ性能を確認する
テストデータを調整に使ってしまうと、そのデータに対しても過学習してしまい、正しい評価ができなくなります。
混同しやすい用語との違い
| 用語 | ポイント |
|---|---|
| ホールドアウト検証 | 1回だけ分割。簡便だが評価がばらつく |
| 交差検証 | 分割を変えて複数回評価。安定するが計算コスト増 |
🎯 G検定での押さえどころ
- 分割は一度だけ
- 計算コストは低いが評価がばらつく
- データが少ない場合は交差検証が望ましい
⚠️ よくある誤りの選択肢
- 「ホールドアウト検証は分割を変えて何度も評価する」→ 誤り。一度だけです
- 「ホールドアウト検証はデータが少ないときに最も適している」→ 誤り。少ないときは交差検証が向きます
📘 もっと深く学ぶ
- 数式レベルまで踏み込んだ解説 → 医療AIナビ「検証集合」（E資格向け）
関連する用語
ご利用にあたって 本ページの内容は、JDLAが公開しているG検定シラバス2024や公式テキストなど、一般に公開されている情報をもとに独自に整理・解説したものです。実際の試験の出題内容を示すものではなく、また合格を保証するものでもありません。制度・法令・試験要項は変更されることがあるため、最新の情報は必ずJDLA公式サイトでご確認ください。