訓練データの欠損が与える影響を考える

一律の値で埋めるとラベルの偏りを固定化し、誤検知や見逃しを増やす可能性がある。

一律の値で埋めるとラベルの偏りを固定化し、誤検知や見逃しを増やす可能性がある。

問題の要件では、欠損ラベルをすべて正常取引として埋めるが解決する範囲と、別の工程が担う範囲を分けて判断する。

重要な地域の代表データを失い、別の偏りを作る可能性がある。

重要な地域の代表データを失い、別の偏りを作る可能性がある。

問題の要件では、欠損がある行を確認せず全件削除するが解決する範囲と、別の工程が担う範囲を分けて判断する。

温度は生成モデルの出力ランダム性に関する設定で、訓練ラベルの欠損は解決しない。

温度は生成モデルの出力ランダム性に関する設定で、訓練ラベルの欠損は解決しない。

問題の要件では、モデルの温度パラメータを変更するが解決する範囲と、別の工程が担う範囲を分けて判断する。