機械学習モデルを開発するプロセスでは、通常、次の 3 種類のデータセットが使用されます。
トレーニング データ: これはモデルをトレーニングするために使用されます。つまり、データ内のパターンと関係性を学習するために使用されます。
検証データ: モデルのハイパーパラメータを調整し、トレーニング プロセス中の過剰適合を防ぐために使用されます。
テスト データ: 最終モデルのパフォーマンスを評価し、未知のデータでのパフォーマンスを推定するために使用されます。
それぞれのオプションを分析してみましょう。
A. トレーニングデータ - 検証データ - テストデータ
このオプションには、モデルの作成と検証のプロセスで使用される 3 種類のデータセットがすべて正しく含まれます。トレーニング データは学習に使用され、検証データはチューニングに使用され、テスト データは最終評価に使用されます。
B. トレーニングデータ - 検証データ
このオプションでは、トレーニングおよび検証フェーズ後の未知のデータに対するモデルのパフォーマンスを評価するために重要なテスト データが欠落します。
C. トレーニングデータ - テストデータ
このオプションでは、モデルの調整とトレーニング中の過剰適合の防止に重要な検証データが欠落します。
D. 検証データ - テストデータ
このオプションでは、モデルの初期学習フェーズに不可欠なトレーニング データが欠落します。
したがって、正解は A です。これは、モデルの学習と作成のプロセス中に使用されるすべての必要なデータセット (トレーニング データ、検証データ、テスト データ) が含まれているためです。