4.1標準
採用モデルで住所地域を入力から除いたが、地域ごとの結果差が残った。
公平性への影響を調べる。
調査として適切なものを2つ選べ。
× 不正解
公平性は保護属性の列を削除するだけでなく、代理変数、ラベル、サンプリング、グループ別誤りと影響を分析する。
詳細解説
誤り全体精度だけで差を無視する
平均値がグループ別の不利益を隠す可能性がある。
誤り属性名を削除すれば公平性は証明できる
代理変数やラベル・サンプリングの偏りが残り得る。
正しいグループ別の誤り率と業務上の影響を定期評価する
結果の差と実際の不利益を継続的に把握できる。
正しい残った特徴量が地域や保護属性の代理になっていないか分析する
郵便番号や利用履歴など、別の入力が属性を間接的に表す可能性がある。
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。
AWS公式AIF-C01ガイドDomain 4.1のバイアス、公平性、データ品質を確認する。
参考にした公式資料
確認できる内容
代理変数とグループ別影響を確認する理由を説明できる。
理解のポイント
- 代理変数
- グループ別評価
- 影響
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
代理変数
本来使いたくない属性と相関し、その属性を間接的に表す入力変数。
グループ別評価
人口・利用者グループごとに性能や誤り、影響を分けて測ること。
問題IDAWS-AIF-125
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