leave one out法とは

#leave one out法とは
leave one out法とは、ひとつひとつのデータから作る「データ集合」を分割しグループを作る。次に 学習とテストをグループごとにして、予測結果を出力する「モデル」の選択をするものである。

まず始めにデータ集合を要素の(個数-1)分だけ分割する。

[データ集合の要素数が100ならば、99分割する]

要素から一つだけテストに使い、残りの要素を学習に使う。たとえば、100個の要素からなるデータ集合の場合は、99個のデータを学習に使い1個のデータをテストに使う。
学習に使うデータとテストに使うデータを変えていき、グループを作る。

[データ集合を分割したあとは、グループごとに学習とテストをする]

グループごとにモデルを作成し、グループごとにモデルの予測結果とラベルの値（真の値）との誤差を計算する。

最後に、テストデータと予測した値との誤差からなる「予測誤差」が最も良いモデル選択をする。
これが、leave one out法である。