層化k分割交差検証（Stratified k-Fold Cross-Validation）とは？-AI関連の用語集【クラベルAI】-

層化k分割交差検証（Stratified k-Fold Cross-Validation）

層化k分割交差検証（Stratified k-Fold Cross-Validation）とは、「データの偏り」に左右されずに正しく評価するための手法です。個に分割してテストを繰り返す「k分割クロス検証」に「各グループ内のラベル（正解）の割合を、元のデータ全体と同じにする」という工夫を加えたものです。

• 役割：データ数が少ない場合や、特定のクラスが驚くほど少ない「不均衡データ」を扱う際に、評価結果が「たまたま」に左右されるのを防ぎます。

• 仕組み：全体の比率が「A：B ＝ 8：2」なら、分割されたどのグループも必ず「8：2」になるように調整します。

層化k分割交差検証（Stratified k-Fold Cross-Validation）関連用語

層化k分割交差検証（Stratified k-Fold Cross-Validation）に関連する単語は以下の通りです。

やさしい解説

層化k分割横断検証（Stratified k-Fold Cross-Validation）を例えるなら、「学校全体の学力を測り、各クラスからよくバランス生徒を選んで小さなテストを行うため」のようなものです。

具体例は、全校生徒は「男子600人、女子400人（6：4）」の学校で、代表10人を選んで意見を聞いています。

• 普通の選択：適当に選ぶと、たまたま「男子10人」になってしまった、女子の意見は全く反映されないかもしれない。
• 層化（ストラティファイド）な選択：「学校全体が6：4なので、10人も必ず男子6人、女子4人にしよう」と決めて選ぶ方法です。

さらにこれを「横断検証」するなら、

これを5回繰り返して、最後に全員の平均点を出す。

全員を6：4の割合を保ったまま5つのチームに選ぶ。

「Aチームをテスト、残りを練習」する。

次は「Bチームをテスト、残りを練習」します。

層化k分割横断検証（Stratified k-Fold Cross-Validation）のすごい点は、たまたま選ばれたメンバーが「優秀な人ばかり」だったり「とんでもない意見の人ばかり」だった時に結果がラッキーやアンラッキーで決まってしまうのを防ぐからです。

AI関連の用語集【まとめ】

AI関連の用語集が気になる方のために、用語集一覧を作成しました。AIに関する学びを深めたいとお考えの方はぜひご覧ください。