オーバーサンプリングの手順
金融機関で、不正取引を見つける分類モデルを作る。不正取引は全体の1%しかないため、少数クラスのデータを増やすオーバーサンプリングを使う。手順として、最も適切なものを1つ選べ。
- A
全データにオーバーサンプリングをかけて不正と正常を同数にし、そのあとで学習用と検証用に分けて評価する。
- B
オーバーサンプリングで学習用の不正を増やしたら、評価は正解率だけで行い、判定の閾値は0.5に固定して使う。
- C
先にデータを学習用と検証用に分け、学習用にだけオーバーサンプリングをかけ、検証用は元の比率のまま評価する。
- D
学習用と検証用に分けたあと、両方にオーバーサンプリングをかけ、検証用も不正と正常を同数にして評価する。
正解と解説を見る
正解:C
データを増やすような前処理は、データを分けたあとに学習用だけにかける。検証用は、本番に近い分布のまま評価に使う。
- A
誤り。同じ不正データを複製したものや、それに似せて作ったデータが学習用と検証用の両方に入る。情報が漏れて、評価が実際より高く出てしまう。
- B
誤り。不均衡なデータでは、正解率だけでは見逃しの多さが分からない。閾値も、誤りによるコストに合わせて決める必要がある。
- C
正しい。検証用データは本番に近い比率のまま残しておく必要がある。増やしたデータが検証用に混ざらないので、評価が甘くならない。
- D
誤り。検証用の比率が本番の比率(1%)と大きく違ってしまう。その結果、適合率などの指標が本番での値とずれる。
このサイトの問題は、各試験の公開されている出題範囲に沿って作ったオリジナルの模擬問題です。本試験の問題ではありません。一般社団法人データサイエンティスト協会・一般財団法人統計質保証推進協会の公式サービスではありません。