1.2基礎
解約予測モデルを作る。
予測時点で利用できる情報だけを特徴量にし、将来の結果をラベルにする。
データ準備として正しいものはどれか。
× 不正解
特徴量は予測時点で観測可能な入力、ラベルは予測したい結果として分け、取得時点と意味を記録する。
詳細解説
正しい予測時点で利用可能な顧客属性を特徴量、将来の解約有無をラベルにする
予測時に得られない将来情報が特徴量へ混入するのを防げる。
予測時に得られない将来情報が特徴量へ混入するのを防げる。
問題の要件では、予測時点で利用可能な顧客属性を特徴量、将来の解約有無をラベルに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。
誤り解約後に記録された返金額を特徴量に含める
予測時点では未知の情報であり、リーケージになる。
予測時点では未知の情報であり、リーケージになる。
問題の要件では、解約後に記録された返金額を特徴量に含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。
誤りラベルを特徴量へ複製する
正解を入力へ渡すと、評価が不正に高くなる。
正解を入力へ渡すと、評価が不正に高くなる。
問題の要件では、ラベルを特徴量へ複製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。
誤り特徴量の意味や取得時点を記録しない
再現性とリーケージ確認ができなくなる。
再現性とリーケージ確認ができなくなる。
問題の要件では、特徴量の意味や取得時点を記録しないが解決する範囲と、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試験ガイドDomain 1.2の特徴量、ラベル、データリーケージを確認する。期待される結果
特徴量とラベルを時間軸・可用性で区別できる。理解のポイント
- 特徴量
- ラベル
- 取得時点
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
モデルが予測に使う入力変数。予測時点で利用可能である必要がある。
ラベル
教師あり学習で予測対象となる正解値や結果。
問題IDAWS-AIF-095
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