1.3標準
ラベル付きデータで分類モデルを作る。
モデル選択と最終性能評価を分離する。
説明として正しいものを2つ選べ。
× 不正解
訓練は学習、検証は開発中の比較、テストは最後の未知データ評価に使い、分割間の重複を避ける。
詳細解説
正しい検証データはハイパーパラメータや候補モデルの比較に使い、テストは最後に保留する
開発と最終評価を分離できる。
誤り同じ行を訓練とテストへ重複させる
未知データの評価にならない。
誤りテストデータを何度も見てモデルを選ぶ
テストへ適応し、性能を過大評価する。
正しい訓練データはモデルのパラメータを学習するために使う
モデルがデータから規則を学習する。
公式資料で確認する
以下の項目を公式資料の記述と照合して確認します。
Task 1.3と公式の訓練・検証・テストの分離を確認する。モデルの学習、候補や設定の選択、選択後の独立した性能見積もりを表にし、各操作が参照するデータを割り当てる。
参考にした公式資料
確認できる内容
テスト結果をモデルや設定の選択へ繰り返し使うことを避け、分割ごとの役割と評価の独立性を説明できる。
理解のポイント
- 訓練
- 検証
- テスト
確認時の注意
- 確認環境: 公式資料と仮想例による参照確認。AWSリソースの作成やモデル学習の実行は不要。
- 「最後に評価する」は、テストを候補や設定の選択に使わないという役割の区別である。同じ固定モデルの結果を再計算しただけで、直ちにリーケージになるわけではない。
- テスト結果を見て設定を調整すれば、そのテストは開発上の選択に影響する。以後の独立した評価には別の保留データや適切な評価設計が必要になる。
基礎のおさらい
検証データ
モデルやハイパーパラメータの開発上の選択に使うデータ。
テストデータ
モデルや設定の選択に使わず、選択後の汎化性能を見積もるために保留するデータ。
問題IDAWS-AIF-234
確認環境公式資料と仮想例による参照確認。AWSリソースの作成やモデル学習の実行は不要。
最終技術確認2026-10-24
誤り・権利侵害を報告