検証データ
Validation Data
けんしょうでーた
機械学習で、学習データで学習させたモデルの性能を学習の途中で評価し、ハイパーパラメータの調整やモデルの選択に使うデータ。最終的な性能の評価に使うテストデータとは分けて用意する。
Past Exams
過去問での出題
過去問で 1 回出題（システム監査技術者試験 1）
出典: 独立行政法人情報処理推進機構（IPA）の過去問題。問題文は IPA のサイトの PDF で確認できます。「選択肢」は、問題文ではなく選択肢に出たものです。用語名で照合しているため、関係の薄い問題が含まれることがあります。
Related
関連キーワードの用語
テストに使う入力データを、指定した条件や形式に従って自動的に作成するツール。大量のデータや境界値を含むデータを効率よく用意でき、テストの準備の手間を減らす。
データの一部を伏字や別の値に置き換えて、元の値が分からないようにする手法。クレジットカード番号の下4桁以外を「*」で隠して表示する場合や、本番データの個人情報を架空の値に置き換えてテスト用のデータを作る場合などに使う。
生成AIサービスなどで、利用者が入力したデータをサービス提供者がAIの学習に使うことを、利用者が拒否（オプトアウト）できるかどうかと、その手続を定めた方針。業務で使う際は、機密情報や個人情報が学習に使われないよう、オプトアウトの可否と設定を確かめる。
生成AIが、学習データを集めた時点より後の出来事を知らないために、古くなった情報を現在も正しいものとして出力するリスク。法令の改正や製品の仕様変更などを反映していない回答が生じるため、最新の情報源で確かめてから使う必要がある。
ハイパーパラメータの探索で、指定した範囲や分布から値の組合せを無作為に選び、決めた回数だけ試して最もよいものを選ぶ方法。性能に効くハイパーパラメータが一部に限られる場合、同じ試行回数でもグリッドサーチより効率よくよい値を見つけやすい。試行回数で計算コストを管理できる。
ハイパーパラメータの探索で、各ハイパーパラメータの候補値を格子状に並べ、すべての組合せを試して最も性能のよいものを選ぶ方法。網羅的で再現しやすいが、ハイパーパラメータの数が増えると組合せの数が指数的に増え、計算コストが大きくなる。各組合せの評価には交差検証を使うことが多い。