問題 No.5829
機械学習モデルの汎化性能を正しく評価するために、訓練済みのモデルに対して未知のデータを入力し、その予測精度を最終確認するために用いられるデータの名称として最も適切なものはどれか。
【正解の解説】
テストデータ
学校の期末試験に例えると、テストデータは「生徒がこれまでに一度も見たことのない初見の問題が出題される本番の試験」に相当します。いくら教科書の練習問題を完璧に解けても（訓練データの暗記）、初めて見る問題が解けなければ本当に実力がついたとは言えません。このように、AIが未知の状況でも正しく判断できるか（汎化性能）を厳密に測るための最後の審判として機能するのがテストデータです。
スポンサーリンク
【その他の選択肢の解説】
訓練データ
これは学校の授業で先生が黒板を使って解説したり、宿題として何度も解かせたりする「教科書や問題集の例題」に該当します。AIはこのデータに含まれる答えのパターンを一生懸命覚えて賢くなろうとしますが、このデータだけでテストをすると、見たことのない問題に対応できなくなる過学習という現象を引き起こす原因になります。
検証データ
学校の授業で言えば、定期テスト直前に行う「模擬試験や中間テスト」に相当します。本番のテストデータを見る前に、AIの学習具合を確認して設定を微調整するために使います。テストデータとは異なり、モデルのチューニング過程で間接的に情報が漏れてしまうため、実力を測る最後の審判としては使えません。
交差データ
初学者が「テストデータ」「訓練データ」という言葉の響きから混乱して作り出してしまいがちな誤りの選択肢です。実際には「交差検証（クロスバリデーション）」という、データを何度も分割してくじ引きのように訓練と検証を繰り返すテストの手法自体を指す言葉と混同させやすい巧妙な罠として配置されています。