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
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。
モデル選択と最終評価の独立性を守れる。
問題の要件では、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が解決する範囲と、別の工程が担う範囲を分けて判断する。
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。
結果の再現と比較、過剰な探索の制御ができる。
問題の要件では、探索範囲、乱数種、評価指標、停止条件を記録するが解決する範囲と、別の工程が担う範囲を分けて判断する。
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。
テストへ適応し、最終性能を過大評価する。
問題の要件では、テスト性能が良くなるまでテストを使って探索するが解決する範囲と、別の工程が担う範囲を分けて判断する。
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。
本番分布や安全性、費用、運用条件の確認が必要である。
問題の要件では、探索結果だけで本番の品質を保証するが解決する範囲と、別の工程が担う範囲を分けて判断する。
実際に確かめる
一時的な検証環境で実行できる例です。
AWS公式AIF-C01 Domain 1.3のモデル選択、検証、再現性を確認する。期待される結果
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