AIF / ドメイン1 AIとMLの基礎
回帰・分類・クラスタリング
学習方法を選んだ後は、具体的にどのタスクとして解くかを決めます。 AIF-C01では、業務要件から・分類・のどれに当たるかを選ぶ問題が出ます。
概要
3つのタスクは、出力の形で見分けられます。
| タスク | 出力の形 | 質問の形 | 学習方法 |
|---|---|---|---|
| 連続した数値 | いくらか、何個か、何分か | ||
| 分類 | 決まったカテゴリー | どれか、するかしないか | 教師あり学習 |
| データのまとまり | どんなグループがあるか |
問題文から、求めたい答えが数値か区分か、それともグループそのものかを読み取れば選べます。
主要技術
①回帰
連続値を予測します。 売上金額、気温、所要時間、価格などが対象です。
| 評価指標 | 意味 | 特徴 |
|---|---|---|
| (平均絶対誤差) | 誤差の絶対値の平均です。 | の影響を受けにくいです。 |
| MSE / (平均二乗誤差) | 誤差を二乗して平均します。 | 大きな外れを強く罰します。 |
| 決定係数 | 予測がばらつきをどれだけ説明できたかを示します。 | 1に近いほど良好です。 |
⚠️ 頻出: の性能に (accuracy) は使いません。正解率は分類の指標です。
②分類
決まった区分へ割り当てます。 区分が2つなら、3つ以上なら多クラス分類です。
| 種類 | 例 |
|---|---|
| 二項分類 | 不正取引かどうか、解約するかどうか |
| 多クラス分類 | 問い合わせ内容を部署別に振り分ける |
| 多ラベル分類 | 1件の記事に複数のタグを付ける |
分類の評価では、から求める指標を使います。
| 指標 | 意味 | 重視する場面 |
|---|---|---|
| (precision) | 陽性と判定したもののうち実際に陽性だった割合です。 | 誤検知の少なさを重視する場面 |
| (recall) | 実際の陽性のうち検出できた割合です。 | 見逃しを避けたい場面 |
| 適合率と再現率の調和平均です。 | 両方を釣り合わせたい場面 |
⚠️ 頻出: 見逃しが致命的なら再現率、誤検知による無駄な対応を減らしたいなら適合率を重視します。
③クラスタリング
を似たもの同士のまとまりへ分けます。 グループの数や意味は事前に決まっておらず、結果を人間が解釈します。
用途は顧客セグメントの発見、文書の自動整理、異常なふるまいの発見などです。
⚠️ 頻出: 既存の3区分のどれかに振り分けるのは分類、区分自体を見つけるのはです。
④その他の代表的なタスク
| タスク | 内容 | 代表的なAWSサービス |
|---|---|---|
| 需要予測 | 時系列データから将来値を予測します。 | |
| 利用者の好みに合う項目を提示します。 | ||
| 不正検知 | 不正の実績ラベルがあれば、なければで見つけます。 | Amazon SageMaker AI |
| 異常検知 | から通常と異なるパターンを見つけます。 | Amazon SageMaker AI |
| 画像内の対象と位置を特定します。 | ||
| 文書からの情報抽出 | 帳票やPDFから項目を取り出します。 | |
| 自然言語理解 | 感情、エンティティ、キーフレーズを抽出します。 | |
| 企業内文書の検索と回答 | 質問に対して関連文書を探し、それを根拠に答えます。 |
⚠️ 頻出: 不正の実績ラベルがそろっていれば二項分類、ラベルがほとんどなければ異常検知 (教師なし) を選びます。Amazon Fraud Detectorは新規の利用者を受け付けておらず、現在の対象サービスの一覧にもありません。
試験対策
①判断マトリクス
| 問題文のキーワード | 選ぶタスク | 主な評価指標 |
|---|---|---|
| 来月の売上金額を予測 | 、 | |
| 解約しそうな顧客を判定 | 分類 (二項) | 、 |
| 問い合わせを部署へ振り分け | 分類 (多クラス) | 、F1 |
| 顧客の傾向でグループ分け | クラスター内のまとまりを見る内部指標 | |
| 商品の一覧を出す | 推薦 | クリック率などの業務指標 |
| 見逃しを避けたい検査の判定 | 分類 (再現率重視) | 再現率 |
②よくある誤答
- 数値予測に分類の指標 (、) を当てること。
- 不均衡データで正解率だけを見て判断すること。陽性が1パーセントのデータでは、すべて陰性と答えても正解率は99パーセントになります。
- の結果に正解があると考えること。解釈は人間が行います。