最終更新日：2026年8月22日
gk cheatsheet
G検定トップ
＞ モデル選択・評価フロー完全チートシート【G検定対策】
まず結論
モデル選択では、調整に使うデータと、最終評価に使うデータを分けることが最重要です。
基本の流れは次の通りです。
- 候補モデル・評価指標を決める
- ハイパーパラメータ候補を探索する
- 検証データや交差検証で候補を比較する
- 採用する設定を決める
- テストデータで最終評価する
G検定では、探索・検証・テストの役割を入れ替えた選択肢に注意します。
直感的な説明
試験勉強にたとえると、
- 学習：問題集で力をつける
- 検証：模試を見て勉強法を調整する
- テスト：本番で最終成績を測る
という関係です。
本番の問題を何度も見ながら勉強法を変えたら、公平な最終評価ではなくなります。機械学習でも同じです。
定義・仕組み
| 段階 | 主な役割 | 代表例 |
|---|---|---|
| モデル候補を決める | 問題に合う学習器・評価指標を選ぶ | 回帰、分類、木モデル、NN |
| ハイパーパラメータ探索 | 設定候補を探す | Grid Search、Random Search、Bayesian Optimization |
| 検証 | 候補同士を比較する | Validation set、k-fold CV |
| 最終学習 | 採用した設定で学習する | 学習データを使った再学習 |
| テスト | 最終的な汎化性能を確認する | Test set |
重要なのは、交差検証は候補の評価に使えるため、探索と組み合わせることが多い点です。
たとえばグリッドサーチで複数の候補を作り、それぞれを交差検証で評価して最良候補を選びます。
いつ使う？（得意・不得意）
この整理が役立つのは、次のような問題です。
- ハイパーパラメータ探索の役割を問う
- 交差検証の役割を問う
- 検証データとテストデータを区別させる
- データリーケージの有無を判断させる
なお、正則化やEarly Stoppingはこの流れの独立した1工程ではなく、候補モデルや学習条件の一部として使う過学習対策です。
G検定ひっかけポイント
- ❌「交差検証はハイパーパラメータ候補を生成する手法」
- 交差検証の中心役割は候補の性能評価です。
- ❌「テストデータで最も良い設定を探す」
- テストデータは最終評価用です。
- ❌「探索は必ず学習開始前に一度だけ行う」
- 実際の探索では、各候補について学習と検証を繰り返します。
- ⭕「探索で候補を作り、検証で比較し、テストで最後に確認する」
判断基準
- 候補を探す → 探索
- 候補を比べる → 検証・交差検証
- 最後の性能確認 → テスト
まとめ（試験直前用）
- 探索＝候補を探す
- 検証＝候補を比較する
- 交差検証＝評価を安定させる
- テスト＝最終確認
- テストを調整に使う選択肢は切る