3-2.機械学習の具体的な手法の補足 (予測モデルおよび予測結果の評価)

予測モデルおよび予測結果の評価
（教師データと評価データに分割して検証する交差検証法）

教師あり学習では、収集したデータを教師データ（学習データ）と評価データの2つに分けて学習を行います。このようにデータを分割して評価することを「交差検証法（クロスバリデーション）」と呼びます。交差検証法の代表的な手法としては、「K分割法」と「ホールドアウト法」があります。

①K分割法
②ホールドアウト法
③オッカムの剃刀
④正則化
‐ElasticNet
⑤データリーケージ

①K分割法

K分割法は、学習データをいくつか（ｋ個）に分割してモデル構築と検証を分割したデータの回数分（ｋ回）繰り返す交差検証方法です。分割したデータ群のうちの1つを検証用とし、残りのデータでモデル構築を行います。1つを検証用として、残りのデータで構築したモデルの当てはまり具合を見て、1回目の結果を確認し、2回目は、別のデータを検証用として、残りのデータでモデル構築を行い・・・というように、分割したデータの個数分だけモデル構築と検証を行い、複数回（ｋ回）繰り返し実施した検証の平均値を結果とします。

これは、異なるデータを検証用として複数回（ｋ回）試行することにより、特定のデータのみに適合したモデルになってしまうことを防ぎます。

②ホールドアウト法

ホールドアウト法とは、モデルの精度を確認するための手法の一つで、１つのデータセットを教師データと評価データに分けて行います。モデルの精度に影響を及ぼしてしまうため教師データと評価データは、必ず分けて実施する必要があります。ホールドアウト法では、教師データに使用したデータを評価データとして使うことはありません。逆に、評価データとして使用したデータを教師データに用いることもありません。ホールドアウト法を用い
る場合には、データが混同しないように注意することが必要です。