実践 機械学習システム

2.2

 さらに複雑なクラス分類器の作成

35

または10ぐらいを設定すると良いでしょう（それぞれ全体の80％または90％を訓練データに使用する

ことになります）。極端な例としては、データ数と同じ数だけ分割することもできます。その場合は

leave-one-out法を行っていることになります。

データを分割するときには、データに偏りが生じないように注意しなければなりません。たとえば、

分割したデータの中には同じクラスしか存在しない、というようなことが起こるかもしれません。それ

では、正しい評価を行うことができないでしょう。ここでは、データを分割する方法の詳細には立ち入

らないことにします。なぜなら、機械学習ライブラリが代わりに行ってくれるからです。

交差検定を行うことで、モデルを一つだけではなく、複数作ったことになります。それでは、最終的

なモデルとして、また、今後新しいデータに対して用いるモデルとして、どれを

選べば良いのでしょう

か？ 最も単純な方法は、交差検定で作ったモデルは使わずに、全ての訓練データを用いて学習したモ

デルを用いることです。交差検定は、最終的なモデルを作成するためではなく、対象のモデルがどれ

だけ汎用的な能力を持つか、ということを判断するために用います。

交差検定を用いることで、自分の考えた手法が優れているかどうか評価することができま

す。交差検定処理の最後で、最終的なモデルを作成するために、全ての訓練データを用いて

モデルを訓練することができます。

機械学習という分野が世に出始めた頃は、 ...