交差検証 とは？

モデルの本当の実力を測るためだよ。訓練データとテストデータを一回だけ分けると、たまたま都合のよい分け方になる可能性がある。交差検証は複数回の分け方を試してその平均を取ることで、より信頼性の高い評価ができるんだ。

データを5等分して、1分割目を検証データ・残り4つを訓練データ、次は2分割目を検証データ・残り4つを訓練データ、とローテーションして5回繰り返すんだよ。5回の評価スコアの平均が最終的な性能の推定値になるんだ。

データ量と計算時間のトレードオフで決めるよ。k=10は精度が高いけど10倍の計算が必要、k=5は実用的なバランス。データが非常に少ない場合は「Leave-One-Out」といって全件数をkにする極端な方法を使うこともあるんだ。

普通の交差検証をそのまま使うのはダメなんだよ、これが重要な落とし穴で。時系列データは「未来のデータで学習して過去を予測する」というデータリークが起きやすい。たとえば2023年のデータで学習して2022年を予測しても、実際には2022年を予測するときに2023年のデータは存在しないから意味がない。時系列専用の「ウォークフォワード検証（Time Series Split）」という手法を使わないといけない。この落とし穴は機械学習の実務経験者でも踏むことがある本当に危険な罠なんだよ。