AWS MLA-C01のサンプル問題（本番形式・解説付き）

解説

XGBoost は木ベースのモデルで、分割の閾値で判断するため値の範囲をそろえても分割の結果は変わらない。したがって精度が出ないので入力データを正規化するという対処は効果が見込めない。交互作用項の作成は特徴量の組み合わせを明示的に与える技法で、木が見つけにくい関係を補える。対数変換は右に長い裾の列を扱いやすくし、ビニングは連続値を区間に区切って非線形な関係を取り込む技法で、どちらも精度改善の打ち手になりうる。

解説

グループが未定義でラベルも無い場合はクラスタリングであり、K-Means が該当します。K-Means はデータ内の離散的なグループを見つけ、同じグループのメンバー同士はできるだけ似ており、他グループのメンバーとはできるだけ異なるように分けます。Factorization Machines は高次元で疎なデータセットの特徴量間の交互作用を捉える推薦向けの手法です。DeepAR はスカラー時系列を予測する教師あり学習アルゴリズムです。XGBoost の多クラス分類はラベルが必要で、区分が事前に決まっていない前提と合いません。

解説

Callback ステップは、Pipelines が Amazon SQS キューにトークン付きメッセージを送り、外部の処理が終わったら結果を返す仕組みである。Condition ステップはステッププロパティの条件を評価し、true の時と false の時のステップ群を切り替える。Fail ステップは望んだ条件が達成されなかった時に実行を止めてカスタムのエラーメッセージを出すもので、巻き戻しは行わない。EMR ステップは EMR ステップの処理やクラスターの管理、Notebook Job ステップはノートブックを非対話的に実行するものである。

解説

定時の実行には EventBridge のスケジュールルールを使い、ターゲットに SageMaker Pipelines や Step Functions を指定します。Training Job State Change は学習ジョブの状態変化で、定時の起動には結びつきません。アラームを ALARM 状態のまま保つ運用は、異常を知らせる仕組みを潰し、決まった時刻に起動することもできません。モニタリングスケジュールの結果は監視の分析であって、定時起動の仕組みではありません。

解説

学習データと検証/テストデータを分割してから学習データだけでスケーラーを学習(fit)し、その同じスケーラーで検証/テストデータを変換(transform)する。全データでスケーラーを学習すると、テストデータの情報が学習に漏れるデータリーケージになる。検証データでスケーラーを学習すると、評価に使うデータの情報が変換に入り込む。分割ごとに別のスケーラーを学習すると、同じ値が分割ごとに違う数値へ変換され、学習時と評価時で特徴量の意味がずれる。