予測時点後の情報の混入
D社は定期購入型の通販サービスで、毎月1日時点の情報から、その月のうちに解約する会員を予測するモデルを作る。特徴量の候補のうち、予測時点では使えない情報が混ざっていて、目的変数の情報の漏れ(リーケージ)の原因になるものを2つ選べ。
- A
解約手続きの際に会員が選ぶ解約理由コード
- B
前月までの直近3か月の平均購入金額
- C
予測時点までの契約継続月数
- D
予測する月の月末時点での累計ログイン回数
正解と解説を見る
正解:A・D
リーケージは、予測時点では手に入らない情報や、目的変数から派生した情報を特徴量に入れてしまうこと。検証の精度は高く出るが、本番では再現しない。
- A
正しい。解約したときにだけ入力される値なので、ほぼ答えそのものになる。予測時点ではまだ存在しない。
- B
誤り。予測時点より前に確定している値で、月初の時点で使える。リーケージにはあたらない。
- C
誤り。月初の時点で計算できる値で、未来の情報は含まない。解約と関係があっても正当な特徴量。
- D
正しい。予測時点(月初)より後の期間を含めて集計している。解約した人ほどログインが途中で止まるため、学習時だけ精度が高く見える。
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。