あるデータサイエンティストが、無作為に抽出した400人の患者から二項疾患分類器を構築しています。疾患の有病率は約3%です。モデルを評価するのに最も適切な交差検定戦略はどれですか？

疾患の有病率が3%と低いため、データセットは不均衡です。標準的なk分割交差検定では、各フォールドに疾患のある患者が均等に分布しない可能性があり、モデルの評価が偏る恐れがあります。層化k分割交差検定は、各フォールドが元のデータセットと同じクラス比率（この場合は疾患のある患者とない患者の比率）を維持するようにデータを分割します。これにより、モデルの性能評価がより信頼性の高いものになります。80/20の分割も不均衡なデータセットでは偏りが生じる可能性があります。繰り返しのk分割交差検定は、計算コストが増加するだけで、不均衡データセットの問題を直接解決するものではありません。