4.1標準
採用支援モデルの予測を属性グループ別に確認する。
全体平均だけでは不利益を見落とす可能性がある。
評価として適切なものを2つ選べ。
× 不正解
公平性はサブグループ別の誤りと影響を比較し、データ不足や代理変数を確認する。属性を単に削除して終わりにはしない。
詳細解説
正しい属性グループ別に適合率、再現率、誤検知などを比較する
全体平均では隠れる差を確認できる。
全体平均では隠れる差を確認できる。
問題の要件では、属性グループ別に適合率、再現率、誤検知などを比較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。
正しいデータ不足、代理変数、業務影響を確認し、閾値変更後も再評価する
測定上の偏りと運用時の影響を追跡できる。
測定上の偏りと運用時の影響を追跡できる。
問題の要件では、データ不足、代理変数、業務影響を確認し、閾値変更後も再評価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。
誤り全体の平均精度が高ければ公平と判断する
小さなグループの重大な差を隠す。
小さなグループの重大な差を隠す。
問題の要件では、全体の平均精度が高ければ公平と判断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。
誤り保護属性を削除すれば偏りは必ず消える
代理変数やデータ収集の偏りが残り得る。
代理変数やデータ収集の偏りが残り得る。
問題の要件では、保護属性を削除すれば偏りは必ず消え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 4.1の公平性、バイアス、評価指標を確認する。期待される結果
全体指標だけでなくグループ別の差と業務影響を評価できる。理解のポイント
- サブグループ
- 誤検知
- 代理変数
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
サブグループ評価
属性や条件で分けた集団ごとに性能・誤り・影響を測る方法。
代理変数
保護属性を直接使わなくても、その属性を間接的に表す特徴。
問題IDAWS-AIF-205
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