時系列データでのリーケージ防止の実務判断
正解
選択肢2「2020-2022年を訓練、2023年をテストとし、時系列順で分割する」が正解です。
正解になる理由
時系列予測では、未来の情報が過去の学習に紛れ込む「データリーケージ」を防ぐことが最優先です。実運用では「過去から未来を予測」するため、学習時も同じ条件でテストすべきです。時系列順分割により、本番環境と同じ「未知の将来期間」での性能を適切に測定できます。
各誤答がなぜ誤りか
- 選択肢1:ランダム分割では未来→過去の情報漏洩が発生し、過度に楽観的な評価になる
- 選択肢3:各月からの均等抽出も時系列の因果関係を無視したリーケージを起こす
- 選択肢4:ランダムクロスバリデーションは時系列データには不適切で、現実的でない高い性能を示す
G検定でのひっかけポイント
「ランダム分割が基本」という思い込みがひっかけです。時系列データでは、ランダム分割すると未来の売上データで過去を予測する学習が混入し、実運用で期待した性能が出ません。季節性やトレンドの適切な学習のためにも、時間順の分割が不可欠です。