欠損フラグ特徴量の追加
カードローン会社のA社が延滞予測モデルを作っている。申込書の年収欄は3%が未記入で、未記入者の延滞率は記入者のおよそ2倍だった。本番でも未記入の申込は一定数届く見込みである。年収の欠損への対応として最も適切なものを1つ選べ。
- A
未記入かどうかを表す0/1の列を加え、年収は中央値などで補完する
- B
年収を全体の平均値で補完し、補完した行かどうかは記録しない
- C
年収の列そのものを削除し、ほかの申込項目だけでモデルを学習する
- D
年収が未記入の行を削除し、記入済みの行だけでモデルを学習する
正解と解説を見る
正解:A
欠損に意味があるとき(ランダムでない欠損)は、欠損フラグを特徴量として加えたうえで値を補完すると、情報を失わずに済む。
- A
正しい。未記入であること自体が延滞と関係しているので、フラグとして残しつつ、年収の列は補完して使える状態にする。
- B
誤り。未記入だったという情報が消え、延滞との関係を学習できなくなる。
- C
誤り。未記入は3%だけなので、97%の人の有用な年収情報まで捨ててしまう。
- D
誤り。延滞しやすい層の情報を捨てることになる。本番で届く未記入の申込にもうまく対応できない。
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。