取引ごとに入力特徴量と、人手で確認した不正/正常のラベルがある。この組から、新しい取引の不正/正常を予測したい。
別の顧客購買データには正解の顧客区分ラベルがなく、似た購買傾向のグループを探索したい。グループ番号をそのまま不正/正常とは扱わない。
目的と学習方法の対応として適切なものを2つ選べ。
確認済みラベルを予測する分類は教師あり、ラベルのない類似グループ探索は教師なしとして対応付ける。クラスタを不正の正解と同一視せず、未知データでの性能を別に評価する。
詳細解説
入力と目標ラベルの組から対応を学ぶ。既知の分類結果を予測する目的と、ラベル付きの学習データが対応している。
クラスタは類似性によるまとまりであり、不正という確認済みの正解ではない。業務上の意味や不正との関係は追加の確認が必要である。
訓練時の成績と未知データへの汎化性能は別である。学習に使っていない適切な評価データで確認する。
与えられた正解クラスを予測するのではなく、入力の類似性や構造を探索する。グループの意味は別途解釈・確認する。
人がデータを用意したかではなく、学習に目標ラベルを使うかで区別する。ラベル付き入力から分類を学ぶ方法は教師あり学習である。
公式資料で確認する
以下の項目を公式資料の記述と照合して確認します。
AWSの学習方式の定義と、各例で学習に与える入力・ラベル・必要な出力を照合する。分類器の未知データ評価と、クラスタの業務上の解釈を別の確認として整理する。
参考にした公式資料
確認できる内容
取引分類は教師あり、ラベルなし顧客グループ探索は教師なしと説明できる。クラスタ番号から不正を確定したり、訓練成績だけから未知データの精度を保証したりしない。
理解のポイント
- 目標ラベル
- 分類
- クラスタリング
- 未知データ
確認時の注意
- 確認環境: AWS公式AIF-C01 Task1.1と各AI/ML概念の一次資料を照合する。実モデルの訓練・本番操作は行わない。
- AWS公式ドキュメントの対象サービス・機能の説明と、AIF-C01の対応Taskを確認する。
- サービスの提供範囲と、利用者が設計・設定する範囲を混同しない。
基礎のおさらい
目的と学習データを対応付ける
分類という出力だけでなく、その学習に目標ラベルを使うかを確認する。本問は確認済みの不正/正常ラベルを使う分類と、ラベルを与えない顧客グループ探索を比較している。
クラスタの意味は自動確定しない
類似した購買傾向は業務上の分類や不正の正解と同じではない。まとまりを見つけた後に、特徴や業務上の意味を確認する必要がある。
学習時の成績と未知データを分ける
訓練データに適合していても、新しい取引で同じ性能を示す保証はない。ラベルの品質と代表性、学習に使わない評価データを確認する。