在材料資訊學中，由既有材料的資料建立機器學習模型，預測新材料的性質時，下列注意事項何者正確？

正確答案：B. 以未用於學習的資料上的誤差（交叉驗證等）評估性能，並注意大幅超出學習資料範圍的預測可靠性低

機器學習模型由把組成、晶體結構等數值化的描述子（特徵），學習預測目標性質的函數。若過度配合用於學習的資料（過度擬合），即使在該資料上的誤差小，對新資料的預測也會變差。因此把資料分成學習用與驗證用，或進行交叉驗證，以未用於學習的資料上的誤差評估性能。資料少卻增加過多描述子時，容易發生過度擬合。此外，模型擅長在學習資料範圍內的內插，卻不擅長大幅超出範圍的外插。因此會使用同時利用預測值及其不確定性來選擇下一個試驗候選的貝氏最佳化等方法，有效率地增加資料。