1.3標準
顧客データの年齢と購買額に欠損がある。
欠損を無意識に意味ある値として学習しない。
前処理として適切なものを2つ選べ。
× 不正解
欠損は理由・分布・時点を確認し、補完方法を訓練データで適合する。必要に応じて欠損自体を特徴として評価する。
詳細解説
正しい訓練データで補完方法を適合し、欠損フラグや分布影響を検証する
検証情報の漏えいと欠損パターンを管理できる。
正しい欠損の理由、割合、集団差、発生時点を調べる
欠損がランダムか業務上の意味を持つか判断できる。
誤り全ての欠損をゼロへ置換する
ゼロが実際の値と誤解され、偏りを生む。
誤り訓練・検証・本番で別々の補完規則を使う
データの意味と推論条件がずれる。
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と公式の前処理・リーケージ説明を読む。年齢や購買額の欠損について理由・割合・集団差を整理し、訓練から求めた補完値と欠損フラグを検証へ適用する流れを確認する。
参考にした公式資料
確認できる内容
補完の統計値を訓練だけで決める理由と、欠損パターンを別に調べる理由を説明できる。
理解のポイント
- 欠損理由
- 補完
- 漏えい
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。
- ゼロが本当に業務上の値を表す場合と、値を取得できなかった場合を区別する。欠損を埋めた値と元からゼロだった値を同じ意味と決めつけない。
- 欠損フラグが有効かも検証する。記録方法や運用が変わると欠損パターンも変わるため、本番での継続確認が必要になる。
基礎のおさらい
欠損値
本来あるべき属性の値が記録されていない状態。
欠損フラグ
値が欠損していた事実を別の特徴として表す変数。
問題IDAWS-AIF-269
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