このデモでは何を操作できますか？

fold 数、多項式の次数、データのばらつき、症例数を動かしながら、各 fold の検証データが入れ替わる様子と検証 MSE のばらつきを確認できます。NEXT FOLD ボタンや ALL FOLDS アニメーションで、検証データが順番に切り替わる様子を体験できます。

fold 数はどう選べばよいですか？

5-fold または 10-fold が標準的な選択です。fold 数を増やすと評価のばらつきは小さくなりますが、計算時間が増えます。症例数が少ない場合は Leave-One-Out も候補になります。本デモで fold 数を変えて、CV 誤差の平均と分散がどう変わるか確認できます。

交差検証だけで研究結果を結論づけてよいですか？

いいえ。交差検証は内部検証であり、外部検証の代替にはなりません。前処理や特徴量選択を各 fold の学習データ内で行うリーケージ対策、そして別施設・別時期のデータでの外部検証も合わせて検討します。

// PART 14 · DEMO 02

DEMO REHAB L1

交差検証を、foldの入れ替わりで体験する

— Interactive k-fold Cross-Validation Demo

15 min hands-on · L1 · 2026.05.20 update · by Editor

交差検証(k-fold cross-validation)は、データを k 個のグループ(fold) に分け、1 つを検証用、残りを学習用として使う手順を k 回繰り返し、検証データの役割を入れ替えていく方法です。1 回だけの train/test 分割では「たまたま難しい症例が test に偏る」リスクがある一方、交差検証では全症例を一度は検証に使うため、特定の分割に依存しない性能評価ができます（理論的背景は 09·01 過学習と正則化も参照）。本デモでは、fold が入れ替わるたびに検証データが切り替わる様子を可視化します。

// HOW TO USE

右の操作パネルから「NEXT FOLD」を押して、緑の検証データ(現在 fold)が順番に入れ替わっていく様子を確認してください。「ALL FOLDS」で自動アニメーション。下の棒グラフは fold ごとの検証 MSE のばらつき を示します。複雑さ(次数)を上げると、fold 間のばらつきが大きくなる(=不安定)のが見えるはずです。