② 機械学習の概要 ／ 10. モデルの選択・評価
k-分割交差検証とは
k-分割交差検証とは、データをk個に分割し、1つをテスト用・残りを学習用として学習と評価をk回繰り返す手法です。データが少ない場合でも評価の安定性を高められる点がG検定で重要です。
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k個に分け、テスト役を交代させながらk回評価して平均を取る手法です。
手順
- データをk個のグループ（fold）に分ける
- 1つをテスト用、残りのk-1個を学習用としてモデルを作り評価する
- テスト役を交代させながら、これをk回繰り返す
- k回の評価結果を平均して最終的な性能とする
k=5やk=10がよく使われます。
なぜ安定するのか
ポイントはすべてのデータが必ず1回はテストに使われることです。一部のデータだけで評価するホールドアウト検証と違い、データ全体を評価に活かせます。
kを大きくするほど学習に使えるデータが増えて評価は安定しますが、その分だけ学習回数も増えます。ここが計算コストとのトレードオフです。
kをいくつにするか
kを大きくすると1回あたりの学習データが増え、評価はより正確になりますが、学習回数もkに比例して増えます。
実務ではk=5やk=10がバランスの取れた選択としてよく使われます。kをデータ件数と同じにした極端な場合がleave-one-out法で、精密ですが計算量は非常に大きくなります。
🎯 G検定での押さえどころ
- データをk個に分け、学習と評価をk回繰り返す
- すべてのデータが1回はテストに使われる
- データが少ない場合に有効／計算コストは増える
⚠️ よくある誤りの選択肢
- 「k-分割交差検証では学習を1回だけ行う」→ 誤り。k回繰り返します
- 「k-分割交差検証では一部のデータが評価に使われない」→ 誤り。すべて1回は使われます
📘 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「交差検証」（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。