AIF-C01：AWS Certified AI Practitioner AI と機械学習の基礎 問12
AI と機械学習の基礎／ML 開発ライフサイクル（データ収集・学習・評価・デプロイ・MLOps）モデルの汎化性能（未知のデータへの性能）を適切に見積もるため、手元のデータの使い方として最も適切なものはどれか。
当サイトのオリジナル問題（AIF-C01：AWS Certified AI Practitionerの出題範囲「AI と機械学習の基礎」に対応。実際の試験問題ではありません）
- A全データを学習に使い、同じデータで性能を評価する
- Bテストデータも学習に加えて精度を高める
- Cデータを学習用・検証用・テスト用に分け、テストデータは最終評価まで学習に使わない
- D評価は行わず学習時の精度だけを見る
正解：C
解説
データを学習用・検証用・テスト用に分割し、テストデータは最終評価まで学習に使わないことで、未知データに対する汎化性能を適切に見積もれます。同じデータでの評価やテストデータの学習への混入は、過学習の見逃しや過大評価を招きます。
選択肢ごとの解説
- A誤り。同じデータでの評価は過学習を見抜けず、汎化性能を過大評価します。
- B誤り。テストデータを学習に使うと汎化性能を正しく測れません。
- C正しい。学習/検証/テストに分け、テストは最終評価専用にします。
- D誤り。学習時の精度だけでは未知データへの性能が分かりません。