Azure認定資格 WEB問題集＆徹底解説

ログイン

正解はAです。機械学習モデルのトレーニングと評価では、データをランダムに分割し、トレーニング用とテスト用に分けることが標準的なアプローチです。一般的な分割比率は70～80%をトレーニング用、20～30%を評価用とすることで、モデルが十分に学習しながらも未知のデータに対する汎化性能を適切に評価できます。ランダム分割により、データの偏りを避け、評価の信頼性を高めることができます。

選択肢 B：50%ずつの分割では、トレーニングに使用できるデータ量が不十分となり、モデルの学習が不完全になる可能性があります。一般的にトレーニングデータは評価データよりも多く確保することが推奨されます。

選択肢 C：特定の特徴量でソートしてからデータを分割すると、トレーニングデータと評価データの分布が大きく異なる可能性があり、モデルの汎化性能を正しく評価できません。データの独立性が損なわれます。

選択肢 D：トレーニングに使用したデータと同じデータで評価を行うと、過学習の検出ができず、モデルの実際の性能を測定できません。未知のデータに対する予測精度を評価することが機械学習の基本原則です。

Azure Machine Learning