4.1標準
属性集団の一つが小さく、指標のばらつきが大きい。
少数集団を平均から除外しない。
対応として適切なものを2つ選べ。
× 不正解
小集団の公平性はサンプル数・信頼区間・ラベル品質を示して慎重に解釈し、追加データと人手確認で補う。
詳細解説
正しいサンプル数、信頼区間、ラベル品質を示し、結果の不確実性を解釈する
小集団の指標を過度に断定しない。
小集団の指標を過度に断定しない。
問題の要件では、サンプル数、信頼区間、ラベル品質を示し、結果の不確実性を解釈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。
正しい追加データ、層別サンプリング、人手レビューで影響を確認する
測定不足と実際の不利益を補完的に調べられる。
測定不足と実際の不利益を補完的に調べられる。
問題の要件では、追加データ、層別サンプリング、人手レビューで影響を確認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。
誤りサンプルが少ないので集団を除外する
不利益を測れなくなる。
不利益を測れなくなる。
問題の要件では、サンプルが少ないので集団を除外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。
誤り点推定だけで公平・不公平を断定する
推定のばらつきを無視する。
推定のばらつきを無視する。
問題の要件では、点推定だけで公平・不公平を断定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 4.1の公平性指標、不確実性、データ代表性を確認する。期待される結果
小規模集団を除外せず、指標の不確実性と実影響を評価できる。理解のポイント
- 小集団
- 信頼区間
- 追加データ
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
信頼区間
推定値がどの程度の不確実性を持つかを表す範囲。
層別サンプリング
集団ごとに必要な数を確保するようデータを抽出する方法。
問題IDAWS-AIF-286
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