Question#40(MLS-C01)
銀行は世界中の顧客に金融商品を提供しています。機械学習（ML）スペシャリストは、内部顧客のトランザクションデータを収集しました。MLスペシャリストは、データセットをトレーニング、テスト、バリデーションのデータセットに分割しました。MLスペシャリストは、Amazon SageMaker Clarifyを使用してトレーニングデータセットを分析しました。分析の結果、トレーニングデータセットには、40～55歳の年齢層の顧客の例が他の年齢層に比べて少ないことがわかりました。MLスペシャリストがトレーニングデータセットで観察したトレーニング前のバイアスの種類はどれですか？
正解：B
クラス不均衡（Class Imbalance）は、データセット内の特定のグループ（例：年齢層、性別、民族など）のサンプル数が不均衡である場合に発生するトレーニング前のバイアスです。問題文で、40～55歳の年齢層の顧客が他の年齢層に比べて少ないと記載されており、これはSageMaker Clarifyがクラス不均衡として検出する典型的なケースです。クラス不均衡は、モデルが少数派グループ（この場合は40～55歳の顧客）に対して適切に学習できない可能性があり、予測の偏りや公平性の問題を引き起こします。SageMaker Clarifyの分析では、特徴量（例：年齢）の分布を評価し、不均衡なグループを特定するため、このバイアスを正確に捉えます。したがって、問題文の状況を正確に反映し、要件を満たします。
コメント