Question#44(MLS-C01)
機械学習（ML）エンジニアは、2値分類モデルを作成しています。このモデルは、非常に敏感な環境で使用されます。正例（Positive）を漏らすことに関連するコストはありません。ただし、偽陽性（False Positive）の推論を行うコストは非常に高いです。このシナリオでモデルを最適化するために最も重要なメトリックはどれですか？
正解：B
適合率（Precision）は、モデルが正例と予測したケースのうち、実際に正例である割合を測定します。数式では、Precision = True Positives / (True Positives + False Positives) です。偽陽性のコストが非常に高いこのシナリオでは、モデルが正例と予測する際に誤りを最小限に抑える必要があり、適合率を最適化することで偽陽性の数を減らせます。SageMakerのトレーニングジョブでは、適合率を評価メトリックとして設定し、ハイパーパラメータチューニングやモデル選択時に最適化できます。このメトリックは、敏感な環境での誤った予測のリスクを直接軽減するため、要件に最適です。
コメント