Azure認定資格 WEB問題集＆徹底解説
AI-900：Microsoft Azure AI Fundamentals
解説
正解はBです。当初のモデルは月間購入金額という連続値を予測する回帰タスクでしたが、変更後は顧客を3つのカテゴリに分類する多クラス分類タスクになっています。Root Mean Squared Error (RMSE) は予測値と実際の値の差を二乗して平均したものの平方根であり、回帰モデルの評価に使用される指標です。分類タスクでは予測結果がカテゴリラベルとなるため、連続値の誤差を測定するRMSEは適用できません。
選択肢 A：Precision（適合率）は分類モデルの評価指標であり、「モデルが陽性と予測したもののうち実際に陽性だった割合」を示します。多クラス分類タスクでも各クラスごとに計算できるため、新しいモデルでも使用可能です。
選択肢 C：Recall（再現率）は分類モデルの評価指標であり、「実際に陽性であるもののうちモデルが正しく陽性と予測できた割合」を示します。多クラス分類においてもクラスごとに算出でき、変更後のモデル評価に適用できます。
選択肢 D：AUC (Area Under the Curve) は分類モデルの性能を評価する指標で、ROC曲線の下側面積を表します。多クラス分類では One-vs-Rest などの手法を用いて各クラスのAUCを算出できるため、新しいモデルでも利用可能です。
Azure Machine Learning
選択肢 A：Precision（適合率）は分類モデルの評価指標であり、「モデルが陽性と予測したもののうち実際に陽性だった割合」を示します。多クラス分類タスクでも各クラスごとに計算できるため、新しいモデルでも使用可能です。
選択肢 C：Recall（再現率）は分類モデルの評価指標であり、「実際に陽性であるもののうちモデルが正しく陽性と予測できた割合」を示します。多クラス分類においてもクラスごとに算出でき、変更後のモデル評価に適用できます。
選択肢 D：AUC (Area Under the Curve) は分類モデルの性能を評価する指標で、ROC曲線の下側面積を表します。多クラス分類では One-vs-Rest などの手法を用いて各クラスのAUCを算出できるため、新しいモデルでも利用可能です。
関連サービスの解説
Machine Learning ServiceAzure Machine Learning
＋ 質問 / コメント
解答・解説に疑問がある場合や、よりよい解説がある場合など、お気軽にコメントください。ただし、短文コメントは表示されません。また、中傷などコメントの内容によっては、会員機能を停止させて頂きます。教え学び合える場になれば嬉しいです。（コメント投稿にはログインが必要です）
正答率 %
No.19 解説
ある機械学習プロジェクトにおいて、当初は顧客の月間購入金額を予測するモデルを構築していました。その後、ビジネス要件が変更され、顧客を「優良顧客」「一般顧客」「休眠顧客」の3つのグループに分類するモデルへと作り替えることになりました。この変更に伴い、モデルの評価指標を見直す必要があります。
新しいモデルの評価において使用できなくなる指標はどれですか。
新しいモデルの評価において使用できなくなる指標はどれですか。
- Precision（適合率）
- Root Mean Squared Error (RMSE)
- Recall（再現率）
- AUC (Area Under the Curve)