汎化性能と検証：未知のデータに強いモデルを選ぶ

学習に使っていない新しいデータでどれだけ当たるかという、汎化性能の考え方を学びます。基礎層では、丸暗記の過学習と、本当の実力である汎化性能の違いを身近な例でつかみます。深掘り層では、ホールドアウト検証と交差検証やk-分割交差検証、時系列データをランダムに分けると起きるデータリーケージという落とし穴、そしてモデル選びの指針であるオッカムの剃刀と赤池情報量規準・ベイズ情報量規準まで説明できるようになります。