Cross-Validation
交差検証はデータを K 個のフォールドに分割し、K-1 個で学習して残り 1 個で検証する操作を回しながら、分散を抑えて汎化性能を評価する。
目的
モデルの汎化性能を頑健に評価し、ハイパーパラメータを選択する。
メカニズム
K-fold: データを K 分割し、K-1 で学習して 1 で検証するのを回し、K 個の誤差を平均する。層化 K-fold はクラス比率を保つ。Leave-one-out（LOO）は K=N の特殊ケース。ネストした CV はハイパーパラメータ選択と性能推定を組み合わせる。
ユースケース
- モデルの評価
- ハイパーパラメータの調整
- 汎化性能のチェック