1.2標準
特徴量が多く、可視化と学習コストを改善したい。
情報を失うリスクも管理する。
説明として適切なものを2つ選べ。
× 不正解
次元削減は相関した特徴量を少ない表現へ写像し、可視化や計算量削減に役立つが、情報損失・性能・解釈性を評価する。
詳細解説
正しい次元削減は相関した特徴量を少ない表現へ写像し、可視化や計算量の削減に使える
処理量を抑えられる。
処理量を抑えられる。
問題の要件では、次元削減は相関した特徴量を少ない表現へ写像し、可視化や計算量の削減に使え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。
正しい削減後の性能、解釈性、情報損失、データ分布の違いを確認する
変換の影響を評価できる。
変換の影響を評価できる。
問題の要件では、削減後の性能、解釈性、情報損失、データ分布の違い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。
誤り次元を減らせば常に予測性能と説明性が上がる
情報を失う可能性がある。
情報を失う可能性がある。
問題の要件では、次元を減らせば常に予測性能と説明性が上が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。
誤りテストデータを含めて変換器を学習する
評価情報が漏洩する。
評価情報が漏洩する。
問題の要件では、テストデータを含めて変換器を学習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 1.2の特徴量変換、次元削減、情報損失を確認する。期待される結果
次元削減の利点と情報損失・評価データ分離の必要性を説明できる。理解のポイント
- 次元削減
- 情報損失
- 解釈性
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
次元削減
多数の特徴量を少数の表現へ変換する処理。
情報損失
変換により元データの特徴や予測に必要な情報が失われること。
問題IDAWS-AIF-435
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