クロスバリデーション（Cross Validation）
クロスバリデーションとは、機械学習モデルの予測精度を客観的に評価するための手法です。
手持ちのデータを複数のグループに分けて、一部で学習し残りで検証するプロセスを繰り返します。
新しい製品設計を行う前に、既存の設計データで予測モデルの性能を確認するのと似ていて、モデルが未知のデータに対してどれだけ正確に予測できるかを事前に確認できます。
CAEサロゲートモデルでの活用
製品設計では、限られたCAE解析データから構築したサロゲートモデルが、実際の新しい設計条件でも正確に予測できるかが重要です。
クロスバリデーションを行うことにより、解析データを訓練用と検証用に分割し、モデルの予測性能を定量的に評価できます。
計算コストの観点から必ずしも行われるわけではありませんが、この検証を実施することでモデルの信頼度をさらに高めることができます。例えば、構造最適化で1000ケースの解析結果からモデルを作成する際、5分割クロスバリデーションにより未知の設計条件に対する予測誤差を把握できます。