モデルの当たり具合を一度の分割だけで測ると、運に左右されます。交差検証はデータを k 個に分け、 一つずつ順番にテストに使い残りで学習してスコアを k 回出し、平均を見る方法です。偏りの少ない、 より信頼できるスコアを与えてくれます。 cross_val_mean(model, X, y, k) を完成させてください。 model 学習・予測に使う scikit-learn のモデル。 X, y 特徴量とラベル。 k 分ける個数。 scikit-learn の交差検証で精度を k 回出し、その平均を返してください。 例 k=5 なら、5回の精度を平均した一つの値が返ります。
scikit-learn の交差検証を使って分類モデルの精度を k 回出し、その平均を返す関数を 完成させる問題です。モデル・特徴量・ラベルと分割数 k を引数で受け取り、分類精度をスコアとして使って平均の値を一つ返します。一度の分割に左右 されない、より信頼できる評価スコアを得る基礎を扱います。
交差検証はデータをいくつかのピースに分け、一つずつ順番にテストに使い残りで学習して スコアを何度も出し、その平均を見る方法です。一度の分割だけに頼るとスコアが運に左右され やすいですが、何度も出して平均すると、より安定した評価になります。この問題では scikit-learn の交差検証を使ってその平均を出し、結果を数値で確認します。