1.3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
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。
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。
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。
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。
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。
Task 1.3のデータ準備とAWS公式の将来情報リーケージの説明を確認する。解約予測を実行する時刻を決め、顧客属性・解約後の返金額・解約ラベルが利用可能になる時刻を表で比較する。
参考にした公式資料
確認できる内容
入力の特徴量と予測対象を分け、予測実行時点で未知の情報を特徴量から除く理由を説明できる。
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: 公式資料と仮想例による参照確認。AWSリソースの作成やモデル学習の実行は不要。
- ラベルが後日確定することは自然である。一方、過去の学習行を作る際も、特徴量は当時の予測時点で利用できた情報へ揃える。
- 解約の対象期間と特徴量の利用可能時刻を記録する。収集時刻だけで判断せず、業務で利用可能になった時刻を確認する。
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
確認環境公式資料と仮想例による参照確認。AWSリソースの作成やモデル学習の実行は不要。
最終技術確認2026-10-24
誤り・権利侵害を報告