1.2基礎
年収と年齢を距離ベースのモデルへ入力する。
単位の大きさによる偏りを抑える。
設計として適切なものを2つ選べ。
× 不正解
特徴量変換の統計量は訓練データから学び、推論時も同じ単位・変換・欠損処理を適用する。
詳細解説
正しい推論時も同じ変換・単位・欠損処理を再現する
学習と利用の特徴量意味がそろう。
誤り全データの平均を先に計算して分割する
評価データの情報が混入する。
誤り本番だけ別の単位へ変換する
モデルが受け取る意味が変わる。
正しい訓練データだけでスケーリングの統計量を学習する
評価データの情報が訓練へ漏れない。
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 1.2の特徴量前処理とリーケージを確認する。
参考にした公式資料
確認できる内容
訓練・推論で一貫した特徴量変換を実装できる。
理解のポイント
- 尺度
- 前処理
- 一貫性
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
特徴量スケーリング
数値特徴量の尺度をそろえる前処理。
前処理パイプライン
訓練と推論で同じ変換を順序どおりに適用する仕組み。
問題IDAWS-AIF-317
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