過去の取引に不正ラベルが付いている。
別のデータにはラベルがなく、似た傾向のグループを発見したい。
教師あり学習または教師なし学習に該当する説明を2つ選べ。
教師あり学習はラベル付きデータから予測や分類を学び、教師なし学習はラベルなしデータの構造やグループを見つける。
詳細解説
正解ラベルを使って入力と出力の関係を学ぶため、教師あり学習に該当する。
正解ラベルを使って入力と出力の関係を学ぶため、教師あり学習に該当する。
問題の条件では、ラベル付き取引データから不正取引を分類するが担う対象と、ほかの選択肢が担う対象を分けて考える。
正解ラベルを使わず、データの類似性からグループを見つけるため、教師なし学習に該当する。
正解ラベルを使わず、データの類似性からグループを見つけるため、教師なし学習に該当する。
問題の条件では、ラベルのない顧客データを購買傾向でクラスタリングするが担う対象と、ほかの選択肢が担う対象を分けて考える。
人手で定義したルールは、データからモデルを学ぶ学習方式とは異なる。
人手で定義したルールは、データからモデルを学ぶ学習方式とは異なる。
問題の条件では、固定したif文だけで不正を判定するが担う対象と、ほかの選択肢が担う対象を分けて考える。
教師あり学習はラベルを使うため、説明が逆になっている。
教師あり学習はラベルを使うため、説明が逆になっている。
問題の条件では、正解ラベルを使っていないため、すべて教師あり学習であるが担う対象と、ほかの選択肢が担う対象を分けて考える。
実際に確かめる
一時的な検証環境で実行できる例です。
AWS公式AIF-C01ガイドのDomain 1.1で、教師あり学習と教師なし学習のユースケースを確認する。期待される結果
ラベルの有無と、予測・分類または構造発見の目的を対応付けられる。理解のポイント
- ラベル付きデータ
- ラベルなしデータ
- 分類とクラスタリング
確認時の注意
- 確認環境: AWS公式AIF-C01試験ガイドとAWS公式ドキュメントの確認
- 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
教師あり学習
入力と期待する正解の組を使って、分類や回帰などの予測を学習する。
教師なし学習
正解ラベルを与えず、クラスタリングや分布の把握などデータの構造を探索する。