1.3標準
顧客解約予測で、年齢、月額料金、利用回数を使う。
単位や欠損を整え、訓練と推論で同じ処理を適用したい。
特徴量前処理として適切なものを2つ選べ。
× 不正解
特徴量前処理では欠損・異常値・スケールを検討し、訓練と推論で同じ再現可能なパイプラインを使う。
詳細解説
正しい欠損値や異常値を確認し、定義した方法で扱う
入力品質を確認し、除外・補完・別カテゴリ化などの方針を決める。
入力品質を確認し、除外・補完・別カテゴリ化などの方針を決める。
問題の要件では、欠損値や異常値を確認し、定義した方法で扱うが解決する範囲と、別の工程が担う範囲を分けて判断する。
正しい訓練時と推論時で同じ変換手順を使う
処理の不一致は学習時と本番時の入力分布を変える。
処理の不一致は学習時と本番時の入力分布を変える。
問題の要件では、訓練時と推論時で同じ変換手順を使うが解決する範囲と、別の工程が担う範囲を分けて判断する。
誤り本番だけ別の単位へ変換する
訓練との不一致を生み、予測性能を低下させる。
訓練との不一致を生み、予測性能を低下させる。
問題の要件では、本番だけ別の単位へ変換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。
誤り欠損を確認せずゼロで埋める
ゼロが意味する値とは限らず、偏りを作る可能性がある。
ゼロが意味する値とは限らず、偏りを作る可能性がある。
問題の要件では、欠損を確認せずゼロで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。
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Domain 1.3のデータ前処理・特徴量を確認する。期待される結果
欠損処理と訓練・推論の処理一致の重要性を説明できる。理解のポイント
- 欠損
- 再現可能な前処理
- 訓練と推論の一致
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公式ドキュメントで、対象サービスが提供する機能と前提条件を確認する。
- モデル、データ、アプリケーション、利用者の責任分界を混同しない。
基礎のおさらい
特徴量
モデルへ入力する、目的に関連するデータの表現。
学習・推論の不一致
訓練時と本番時で前処理や値の意味が変わり、性能が低下する状態。
問題IDAWS-AIF-066
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
最終技術確認2026-08-20
誤り・権利侵害を報告