AIF-C01#7(fundamentals-ai-ml)
ある企業が、従業員が潜在顧客に連絡するためのリード優先順位付けアプリケーションを構築したいと考えています。このアプリケーションでは、従業員がドメイン知識や専門知識に基づいて、モデル内の異なる変数に割り当てられた重みを表示および調整できる必要があります。 この要件を満たすMLモデルタイプはどれですか？
正解：A
正解の根拠
ロジスティック回帰は各説明変数に学習済みの重み (係数) が割り当てられる線形モデルで、係数を人間が直接読み取り、ドメイン知識に基づき調整することが容易です。これにより従業員はリード優先順位ロジックを透明に把握し、業務知識を反映できる解釈可能な仕組みを構築できます。
モデルの解釈可能性比較
| モデル | 解釈可能性 |
|---|---|
| ロジスティック回帰 | 係数を直接読み取れる |
| 深層学習 | ブラックボックス |
| k-NN | 明示的な重み無し |
| NN | パラメータ調整困難 |
不正解の理由
- B: 主成分ベースの深層学習は次元圧縮後に多層演算を行うため、変数別の重みを人間が編集する用途に向きません。
- C: k-NN は学習済みパラメータの重みを持たず近傍距離で予測するため、変数の重み調整というインターフェースが成立しません。
- D: ニューラルネットワークは多層の非線形変換でパラメータ数が膨大なため、業務担当者が個別の重みを調整するのは現実的ではありません。
コメント