層化k分割交差検証
層化k分割交差検証（Stratified k-fold cross-validation）は、機械学習モデルの性能を評価するための交差検証手法の一種です。層化k分割交差検証は、データセットをk個の「フォールド」（または「分割」）に分割し、それぞれのフォールドでモデルを評価します。層化k分割交差検証では、各フォールドが元のデータセットのクラス分布を反映するようにサンプリングされます。
具体的な手順は以下の通りです：
- データをk個の同じサイズのフォールドに分割します。
- k回のイテレーションを行います。各イテレーションでは、1つのフォールドをテストデータセットとし、残りのk-1個のフォールドを訓練データセットとして使用します。
- 各イテレーションで、テストデータセットでモデルを評価し、性能指標（精度、再現率、F1スコアなど）を計算します。
- k回の評価の平均を取り、最終的な性能指標の推定値を得ます。
層化k分割交差検証では、各フォールドが元のデータセットのクラス分布を反映するようにサンプリングされるため、クラスの不均衡がある場合や分類タスクの場合に特に有用です。それにより、各フォールドがすべてのクラスを適切に代表することが保証され、モデルの性能をより信頼性の高い方法で評価することができます。