1.1基礎
ラベル付き顧客データと、ラベルのない利用ログがある。
目的に合う学習方法を選ぶ。
説明として適切なものを2つ選べ。
× 不正解
教師あり学習はラベル付きデータから予測を学び、教師なし学習はラベルなしデータの構造を探索する。回帰は連続値も扱う。
詳細解説
正しい正解ラベルから予測を学ぶ分類・回帰は教師あり学習である
入力と目標値の対応を学習する。
正しいラベルなしデータのクラスタリングや次元削減は教師なし学習である
隠れた構造を探索する。
誤り回帰はカテゴリを予測するためだけの手法である
連続値を予測できる。
誤り教師なし学習では必ず人が正解ラベルを付ける
ラベルを前提にしない。
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 1.1の教師あり学習、教師なし学習、分類、回帰を確認する。
参考にした公式資料
確認できる内容
ラベルの有無と予測・構造探索の目的から学習方法を説明できる。
理解のポイント
- 教師あり学習
- 教師なし学習
- 回帰
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
教師あり学習
入力と正解ラベルの対応を使って予測規則を学ぶ方法。
教師なし学習
正解ラベルなしでデータの構造やまとまりを見つける方法。
問題IDAWS-AIF-412
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