1.3標準
分類モデルの深さと正則化を探索する。
探索結果を最終評価へ過適応させない。
方法として適切なものを2つ選べ。
× 不正解
ハイパーパラメータ探索は検証データで候補を選び、テストを保留し、探索条件と乱数を記録して再現性を確保する。
詳細解説
誤りテスト性能が良くなるまでテストを使って探索する
テストへ適応し、最終性能を過大評価する。
正しい探索範囲、乱数種、評価指標、停止条件を記録する
結果の再現と比較、過剰な探索の制御ができる。
正しい訓練データと検証データで候補を比較し、テストを最後まで保留する
モデル選択と最終評価の独立性を守れる。
誤り探索結果だけで本番の品質を保証する
本番分布や安全性、費用、運用条件の確認が必要である。
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 Domain 1.3のモデル選択、検証、再現性を確認する。
参考にした公式資料
確認できる内容
探索と最終テストの役割を分け、再現可能な条件を記録できる。
理解のポイント
- 検証
- テスト
- 再現性
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
ハイパーパラメータ
学習前に設定するモデル構造や正則化などの値。
探索条件
候補範囲、乱数、評価指標、停止条件などモデル選択を再現する情報。
問題IDAWS-AIF-174
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