AIF-C01#73(fundamentals-ai-ml)
ある金融機関が、取引データに基づいて、すべてのクレジットカードのアクティビティを「不正の疑いあり（fraudulent）」または「不正ではない（non-fraudulent）」のいずれかにフラグ立てしたいと考えています。 この要件を満たす機械学習（ML）モデルの種類はどれですか？
正解：C
正解の根拠
本要件は取引を「不正の疑いあり」「不正ではない」の 2 クラスに振り分けるラベリング問題で、典型的な 2 値分類 (Binary classification) です。SageMaker の組み込み XGBoost や Linear Learner、または Amazon Fraud Detector で実装でき、Precision / Recall / AUC 等の指標で評価します。教師あり学習の代表例で、ラベル付き取引履歴から確率しきい値を学習します。
ML タスク種別の比較
| 種類 | 用途 |
|---|---|
| 2 値分類 | 2 クラスへの振り分け (不正/正常) |
| 多クラス分類 | 3 つ以上のクラスへの振り分け |
| 回帰 | 連続値の予測 (金額・需要) |
| 拡散モデル | 画像生成等の生成タスク |
不正解の理由
- A: 回帰は連続値を予測する手法で、離散的な 2 クラスのフラグ立てを直接行うラベル出力には適合しません。
- B: 拡散モデルは生成 AI で画像生成などに用いる手法であり、分類タスクの設計目的とは異なります。
- D: 多クラス分類は 3 種類以上のラベルを扱う設計で、本問の 2 ラベル要件には過剰で不適切です。
コメント