交差検証（Cross-Validation）とは、モデルの汎化性能を評価するために、データセットを複数の部分に分割して繰り返し検証を行う手法です。限られたデータを最大限に活用し、モデル評価の信頼性を高めることができます。
k分割交差検証
最も一般的な交差検証の手法はk分割交差検証（k-Fold Cross-Validation）です。データセットをk個の等しいサイズに分割し、k-1個を訓練データ、残り1個を検証データとして使います。これをk回繰り返して各回の評価結果を平均することで、安定した性能評価を得ます。kは通常5または10が使われます。
| ひとことで言うと | データの分け方を変えて何度も評価し、平均を取って安定した性能を測る方法。 |
|---|---|
| 何がうれしいか | 分け方の運に左右されず、データが少なくても信頼できる評価ができる。 |
| 注意点 | 学習を何回も行うので計算時間が分割数ぶん増える。 |
その他の交差検証手法
Leave-One-Out交差検証（LOO-CV）、層化k分割交差検証（Stratified k-Fold）、時系列交差検証（Time Series Split）など、データの特性に応じた様々な変種があります。
1データをk分割5分割なら5つの塊
▶
21つを評価用に残り4つで学習
▶
3スコアを記録1回目の結果
▶
4評価用を交代全部が1回ずつ評価用に
▶
5平均を取る安定した性能評価
↺ 2〜4をk回くり返す
ハイパーパラメータチューニングとの関連
交差検証はモデルの評価だけでなく、ハイパーパラメータチューニングにも活用されます。グリッドサーチやランダムサーチと組み合わせて使うことで、最適なハイパーパラメータを選択できます。