AWS Certified AI Practitioner 無料問題 1 / 10 ・ 分野1: AI と ML の基礎
会員の購買履歴はあるが、会員をどう区分すべきかの答えは誰も持っていない。似た買い方をする会員どうしをまとめ、グループごとに販促を変えたい。SageMaker AI の組み込みアルゴリズムのページに照らして、使う手法はどれか。
- PCA による次元削減
- K-Means によるクラスタリング
- あらかじめ決めた区分に割り当てる多クラス分類
- 購入金額を予測する回帰
正解と解説を見る
正解: B
正解の理由
組み込みアルゴリズムのページは、クラスタリング（グループ化）を「似た対象やデータをまとめる」問題とし、例に「取引履歴から高・中・低の支出の顧客を見つける」を挙げ、アルゴリズムに K-Means を示している。教師なし学習の節にある手法で、区分の答えが無いデータからまとまりを見つけられる。設問のように正解の区分を誰も持っていない場面に合う。
違う選択肢
「あらかじめ決めた区分に割り当てる多クラス分類」… 多クラス分類は教師あり学習で、あらかじめ決まったカテゴリに割り当てる（ページの例ではテキスト分類が「コーパスの文書に定義済みのカテゴリを割り当てる」）。区分の答えが無い設問の条件では学習できない。
「購入金額を予測する回帰」… 回帰は教師あり学習で、数値や連続値（家の価格など）を予測する。会員をグループに分けることはできない。
「PCA による次元削減」… PCA による次元削減も教師なし学習だが、ページの例は「目的の変数と関係の弱い列をデータセットから落とす」特徴量エンジニアリングである。会員をまとまりに分ける手法ではない。
押さえどころ
同じページの教師なし学習の節は、クラスタリング・次元削減・パターン認識・異常検知を教師なしのタスクとして挙げている。「答えの無いデータをまとめる」がクラスタリング、「列を減らす」が次元削減、「外れを見つける」が異常検知である。