MLA機械学習のためのデータ準備複数選択
詐欺検出モデルを構築しているデータサイエンティストが、999,000 件の正常取引と 1,000 件の詐欺取引（全体の約 0.1%）からなるデータセットで XGBoost モデルをトレーニングした。検証データでの精度（Accuracy）は 99.9% だが、AUC-ROC（Receiver Operating Characteristic 曲線の下側面積：モデルの識別能力を表す指標で 0.5 がランダム推測に相当）は 0.51 であり、モデルが詐欺をほとんど検出できていない。この問題を解決するための適切な手法を 2 つ選びなさい。
Aより大きな XGBoost モデルを使用してモデルの表現力を高め、詐欺パターンの検出精度を向上させる
より大きなモデルはオーバーフィッティングを招くだけで、クラス不均衡の根本原因を解決しません。
BSMOTE を使用して訓練データの少数クラス（詐欺）サンプルをオーバーサンプリングし、クラスバランスを改善する
✓ 正解
SMOTEは少数クラスの合成サンプルを生成してデータバランスを改善するオーバーサンプリング手法で、クラス不均衡に直接対処できます。
C評価指標を Accuracy（正解率）のみに統一し、より高い Accuracy を最適化目標として設定する
Accuracyのみを評価指標にすると全件正常と予測するだけで99.9%が得られ、クラス不均衡問題の解決になりません。
DXGBoost の scale_pos_weight パラメータを使用して詐欺クラスに高い重みを付けてトレーニングする
✓ 正解
scale_pos_weightは少数クラスの損失に高い重みを付け、モデルが詐欺クラスを重視して学習するよう調整します。クラス不均衡に直接対処できます。
Eクロスバリデーションの分割数を増やして評価の安定性を高め、詐欺クラスの検出率を改善する
クロスバリデーション分割数の増加は評価の安定性を高めますが、クラス不均衡自体を解決せず詐欺クラスの検出率は改善しません。
解説
クラス不均衡問題では、Accuracyは多数クラスのみ予測しても高値を示すため不適切な評価指標です。詐欺検出にはAUC-ROCやF1スコアなどの指標を使用すべきです。
選択肢Aのより大きなモデルを使用する方法はオーバーフィッティングを招くだけで、クラス不均衡という根本原因を解決しません。
選択肢BのSMOTE（問題文参照）は少数クラスの合成サンプルを生成してデータバランスを改善するオーバーサンプリング手法で、クラス不均衡に直接対処できます。
選択肢CのAccuracyを主要評価指標として維持することは不均衡データには不適切です。全件を正常と予測するだけで99.9%の精度が出てしまうためです。
選択肢DのXGBoostのscale_pos_weightパラメータは少数クラスの損失に高い重みを付け、モデルが詐欺クラスを重視して学習するよう調整します。クラス不均衡に直接対処できます。
ドメイン別正答率・予想スコアでリアルタイムに実力把握
無限ノックでMLAを徹底対策。全問AI生成のオリジナル問題。
無料で演習を始める →