令和6年度 秋期 応用情報技術者試験 午前 問2

AIにおける 交差検証（クロスバリデーション） とは、機械学習モデルの 汎化性能 を評価するための代表的な手法です。
手元のデータセットを複数のグループに分割し、一部を学習用データとして、残りを評価（テスト）用データとして用います。そして、学習と評価のグループを順に入れ替えながら繰り返し行い、得られた結果を総合してモデル全体の性能を評価します。これにより、特定のデータ分割の偏りによる評価のばらつきを防ぐことができます。

したがって、この手順を説明している「エ」が正解となります。

各選択肢の解説

• ア：過学習を防ぐために回帰モデルにペナルティ項を加える手法は、正則化（リッジ回帰やラッソ回帰など） に関する記述です。
• イ：複数の異なるアルゴリズムのモデルを組み合わせて学習し、精度を高める手法は、アンサンブル学習 に関する記述です。
• ウ：単一のモデルで関連する複数の課題を学習し、共通する要因を獲得して汎化性能を高める手法は、マルチタスク学習 に関する記述です。
• エ：データを分割し、グループを入れ替えながら学習と評価を繰り返す手法であり、これが 交差検証 の正しい記述です。