ホールドアウト

holdout

学習や調整の過程でモデルに見せず、最終評価のためだけに取り分けておくデータセット。

記事1本最終言及

ホールドアウト(holdout)は、機械学習においてデータの一部を学習や調整に使わず取り分けておく評価手法であり、そのように取り分けたデータセットも指す。学習後に未見のホールドアウトセットで性能を測ることで、新しいデータに対する汎化能力を推定し、学習データへの過学習を検出する。

データを学習用・検証用・テスト用に一度だけ分割する最も単純な方法であり、複数の分割を順に用いる交差検証(cross-validation)と対比される。AIシステムやエージェントの評価でも、同じベンチマークに繰り返し合わせ込むことを防ぐため、非公開のホールドアウト課題セットを用意する方法が使われる。

この説明は、AIPOSTの記事と広く知られた事実をもとにまとめたものです。誤りがあれば訂正依頼でお知らせください。

この項目を扱った記事

  • 自己改善型AIエージェントはどう動くか、二重ループと安全設計の要点AI活用 ·

    ホールドアウトセットを継続的に更新する。

    記事を読む

説明の誤りや、見つからない項目はありますか?

事典の説明は、AIPOSTの記事と広く知られた事実をもとにまとめています。誤りは訂正依頼でお知らせいただければ、確認して修正します。新しい記事に登場した名前は、記事の公開後に事典に加わります。