3.3基礎
不正取引を検知するモデルを評価する。
見逃しと誤検知の違いを説明する。
説明として正しいものを2つ選べ。
× 不正解
混同行列は真陽性・真陰性・偽陽性・偽陰性を分け、業務では見逃しと誤検知のコストを指標とともに評価する。
詳細解説
正しい真陽性は不正を不正と正しく検知した件数である
目的クラスを正しく当てた結果である。
目的クラスを正しく当てた結果である。
問題の要件では、真陽性は不正を不正と正しく検知した件数であ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。
正しい偽陰性は実際に不正なのに正常と判定して見逃した件数である
見逃しの影響を表す。
見逃しの影響を表す。
問題の要件では、偽陰性は実際に不正なのに正常と判定して見逃した件数であ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。
誤り偽陽性は不正を見逃した件数である
偽陽性は正常を不正と誤検知する。
偽陽性は正常を不正と誤検知する。
問題の要件では、偽陽性は不正を見逃した件数であ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。
誤り正解率だけで見逃しコストを完全に表せる
クラス不均衡や誤りのコストを隠す。
クラス不均衡や誤りのコストを隠す。
問題の要件では、正解率だけで見逃しコストを完全に表せ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 3.3の分類評価、混同行列、適合率・再現率を確認する。期待される結果
偽陽性と偽陰性の意味を業務影響へ結び付けられる。理解のポイント
- 真陽性
- 偽陽性
- 偽陰性
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
混同行列
実際のクラスと予測クラスの組み合わせごとの件数表。
偽陰性
実際は陽性なのに、モデルが陰性と判定した結果。
問題IDAWS-AIF-260
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