マイアカウントページを開いて、「教師データ」タブを選択する。

「交差検証結果ダウンロード」をクリックすると、交差検証の計算処理がされて、計算結果のcsvファイルがダウンロードされます。

＊「0.2」の数字は、構築済み教師データにおけるテストデータとして使用する割合を指します。（教師データが100件あれば、20件をテストデータとして、残り80件を教師データとして、予測計算を実行します）

＊「シャッフル」は、構築済み教師データのうちテストデータとして使用するデータをランダムで抽出します。チェックを外すと、上位n件をテストデータとして使用します。

n：交差検証は、複数回の精度検証を実行しており、n回目の結果を表します。

クエリ：テストデータとして選択された教師データ（クエリ）が表示されます。

AI教師ラベル：構築済み教師データで設定されている教師ラベルが表示されます。

AI予測ラベル：交差検証による予測結果のラベルが表示されます。

AI予測スコア：交差検証による予測スコアが表示されます。

AI予測ラベル候補：交差検証による予測ラベル候補が表示されます。（全ラベルのうち、予測スコアの高い上位5件のラベルが候補として表示）

AI予測ラベル候補スコア：交差検証による予測ラベル候補のスコアが表示されます。

n：n回目の精度検証結果を表します。

精度：n回目の平均精度が表示されます。

ラベル名：ラベルごとの正答率（精度）が表示されます。

・下段の「精度」を確認して、n回（1~5）の精度がバラついていないか。精度がバラついている場合は、汎化性能が低く、教師データの件数を増やすことをお勧めします。

・下段の「精度」を確認して、n回（1~5）の精度は許容範囲か。精度がバラついてはいないが、n回すべての精度が低い場合は、教師データの件数を増やす等の底上げの検討をお勧めします。

・下段の「各ラベル」の精度を確認して、n回（1~5）の精度がバラついていないか。精度がバラついているラベルがある場合は、汎化性能が低く、そのラベルの教師データの件数を増やす等の対策の検討をお勧めします。