ホールドアウト法
意味・解説
手元のデータを、AIの「学習用」と性能測定の「テスト用」の2つに分割して評価する最も基本的な手法。
学習に使用していない未知のデータに対して、AIがどれだけ正しく予測できるか（汎化能力）を確認するために用いる。一般的に「7:3」や「8:2」の割合で分割する。学習用データだけで評価すると過学習に気づけないリスクがある。
くわしく
「練習問題（学習データ）をすべて教え込まずに、一部を本番試験（テストデータ）のために隠しておく手法」です。
1.目的:
AIが答えを『丸暗記』していないかを確認します。
2.弱点:
データの分け方（どのデータがテストに回ったか）によって評価結果が偶然左右されてしまう可能性があるため、データ量が少ない場合には注意が必要です。
例文
株価予測モデルの開発において、直近1ヶ月分のデータをテスト用として隠しておくホールドアウト法を適用した。
同義語: データ分割法
分類: モデルの評価手法