1.3標準
注文履歴から不正検知の特徴量を作る。
予測時点で使える情報だけを利用する。
設計として適切なものを2つ選べ。
× 不正解
特徴量は予測時点の情報だけで作り、定義・単位・欠損・版を管理して訓練と推論で同じ処理を使う。
詳細解説
正しい予測時点までの履歴だけで集計し、未来の結果を含めない
リーケージを防げる。
誤り全期間の平均を使って未来の注文も特徴量へ含める
予測時点で使えない情報が漏れる。
誤り本番だけ別の単位へ変換する
訓練と推論の意味がずれる。
正しい特徴量定義、単位、欠損処理、計算版を管理し、訓練と推論で同じ処理を使う
再現性と一貫性を保てる。
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の特徴量、データリーケージ、ライフサイクルを確認する。
参考にした公式資料
確認できる内容
特徴量の再現性と未来情報の混入防止を説明できる。
理解のポイント
- 特徴量
- 時点
- リーケージ
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
特徴量
モデルが入力として使う、データから作った数値やカテゴリ。
特徴量ストア
特徴量定義と値を訓練・推論で一貫して提供する仕組み。
問題IDAWS-AIF-275
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