1.3標準
顧客属性に欠損値が多い。
欠損を一律にゼロへ置換する前に、意味と影響を確認する。
データ品質対応として適切なものを2つ選べ。
× 不正解
欠損値は発生原因と意味を確認し、補完・除外・フラグ化を比較して、訓練から本番まで一貫した処理を適用する。
詳細解説
誤り全ての欠損を意味を確認せずゼロにする
ゼロが本来の値でなければ分布を歪める。
正しい補完・除外・欠損フラグなどを候補にし、検証データでも一貫して適用する
処理方法の性能とバイアスを比較できる。
誤り本番だけ別の欠損処理を使う
訓練と推論の意味がずれ、性能が不安定になる。
正しい欠損が発生する理由と、欠損自体が意味を持つか確認する
未入力、計測失敗、対象外など理由によって処理が変わる。
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と公式の前処理・リーケージ説明を読む。未入力、対象外、計測失敗の欠損例を分け、補完・除外・欠損フラグを比較する観点と、訓練で決めた処理を検証・本番へ適用する流れを整理する。
参考にした公式資料
確認できる内容
欠損の意味を調べて処理候補を比較し、補完値の学習と同じ変換の適用を分けて説明できる。
理解のポイント
- 欠損原因
- 補完
- 一貫性
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。
- 平均や中央値など補完の統計値は訓練データから求める。検証データへ同じ処理を適用するとは、検証を含めて統計値を再計算することではない。
- 除外すると、欠損が多い集団や重要な事例が失われる場合がある。全体の性能だけでなく残るデータの構成も確認する。
基礎のおさらい
欠損値
記録されていない、取得できない、対象外などの理由で値がない状態。
欠損フラグ
値を補完したか、欠損だったかを別の特徴量として示す変数。
問題IDAWS-AIF-133
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