1.3標準
設備センサーに通常範囲を大きく外れる値がある。
異常なのか、計測ミスなのかを確認する。
データ品質対応として適切なものを2つ選べ。
× 不正解
外れ値は計測ミスと真の異常を区別し、除外・変換・フラグ化などの影響を評価して処理する。
詳細解説
誤り全ての外れ値を自動削除する
重要な故障兆候を消す可能性がある。
正しい除外・クリップ・変換・別フラグ化の影響を評価する
モデル性能と異常検知能力への影響を比較できる。
正しい業務知識と取得ログで、外れ値が真の異常か計測エラーかを確認する
一律削除せず、意味に応じた処理を選べる。
誤り本番の外れ値だけ別の単位で処理する
訓練と推論の意味がずれる。
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と公式のデータ前処理を確認する。設備の故障を示す極端値と、単位違い・センサー計測エラーの例を分け、原記録と業務条件で確認した後の除外・クリップ・変換・フラグ化の影響を整理する。
参考にした公式資料
確認できる内容
外れ値の原因と予測対象を確認し、一律に削除する前に処理による性能・異常検知への影響を比較できる。
理解のポイント
- 外れ値
- 計測エラー
- 業務知識
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。
- 何を検知したいかで極端値の意味は変わる。センサー故障自体が検知対象なら、その値を誤記録として捨てるだけでは要件を満たさない。
- クリップの閾値などをデータから決める場合は訓練側で適合し、同じ単位・同じ変換を後続データへ適用する。
基礎のおさらい
外れ値
データ分布の一般的な範囲から大きく離れた観測値。
ロバスト処理
外れ値の影響を抑えつつ、正当な極端値も一律に捨てない前処理。
問題IDAWS-AIF-173
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