実践 機械学習システム

34

2

章 実例を対象とした分類法入門

このループの最後で、全てのデータを対象としてモデルを評価しています

†

。しかし、先ほど議論し

た問題はおこりません。なぜなら、訓練用のデータの中には、テストに用いるデータは含まれていない

からです。そのため、モデルがどれほど汎用的かということについて、確かな評価ができていると言え

ます。

leave-one-out 法の問題は、今回の場合、本来の100倍以上の仕事をしなければならないことで

す。実際、全てのデータを対象としているため、データが増えるにしたがって、処理時間も増加します。

ここでは、K-分割交差検定（K-fold Cross Validation）という手法を用いることで、leave-one-out

法の処理コストを数分の1に減らすことができることを見ていきます。K-分割交差検定のK の値は、

たとえば５など、小さい数字が一般的です。もし５分割交差検定を行うとすると、データセットを５つ

のブロックに分割します。そし

て、1つのブロックを除いたデータ集合を訓練データとして用い、除い

たブロックをテスト用のデータとして用います。同じことを各ブロックを対象に、全部で５回行います。

以上のことを行うためのコードは、先ほどのコードとほとんど同じです。ただし、前の例ではデータ

を一つだけ除いたのに対して、今回は全体の20%のデータを除くことになります。学習モデルは除外

したデータをテストデータとして用い、評価を行います。そして、各回で算出した誤差を平均して最終

結果を報