MLA-C02：AWS Certified Machine Learning Engineer - Associate ML・AI のためのデータ準備 問6
ML・AI のためのデータ準備／データ品質の検証とバイアスの管理二値分類の学習データで、陽性クラスが全体の 2% しかない強いクラス不均衡があり、少数クラスの検出性能が低くなっています。最も適切な対処はどれですか。
当サイトのオリジナル問題（MLA-C02：AWS Certified Machine Learning Engineer - Associateの出題範囲「ML・AI のためのデータ準備」に対応。実際の試験問題ではありません）
- A不均衡は無視し、全体の正解率（accuracy）だけを指標にする
- B少数クラスのオーバーサンプリングや多数クラスのアンダーサンプリング、データ拡張などでクラス分布を調整し、適切な評価指標（適合率・再現率・F1 等）を用いる
- C多数クラスのデータだけをさらに増やす
- Dモデルのパラメータ数を増やせばクラス不均衡は自動的に解消する
正解：B
解説
強いクラス不均衡では、少数クラスのオーバーサンプリングや多数クラスのアンダーサンプリング、データ拡張などで分布を調整し、正解率ではなく適合率・再現率・F1 などの指標で評価するのが適切です。リサンプリングは学習データと評価データを分割した後に、学習側だけに適用します。検証・テストのデータは想定する本番のクラス分布のままにしておかないと、評価が楽観的に歪みます。なお、クラス分布の調整はサンプリングだけが手段ではなく、学習時のクラス重み付けや判定しきい値の調整も代替になります。不均衡を無視して正解率だけを見たり、多数クラスをさらに増やす、モデルを大きくするだけでは、少数クラスの検出性能は改善しません。
選択肢ごとの解説
- A誤り。正解率だけでは、多数クラスに引っ張られ少数クラスの性能が見えません。
- B正しい。リサンプリングやデータ拡張で分布を調整し、適切な指標で評価します。ただしリサンプリングは分割後の学習側だけに適用し、評価データは本番の分布を保ちます。クラス重み付けや判定しきい値の調整も代替手段で、サンプリングが必須というわけではありません。
- C誤り。多数クラスをさらに増やすと不均衡が悪化します。
- D誤り。パラメータ数の増加はクラス不均衡を解消しません。