Q75 — AWS AIF-C01 第2章

第 75/100 問 | ← 第2章

ある不動産会社が、立地、面積、寝室数、設備といったさまざまな要因に基づいて住宅物件の売却価格を予測するMLモデルを構築したいと考えています。この要件を満たすML技術はどれですか？

正解: D. 回帰

解説

解説如下: A. 分類は、入力データを離散的なカテゴリに割り当てるタスクであり、例えば画像を「猫」または「犬」に分類するなどです。しかし本例では、連続的な売却価格という値を予測する必要があり、分類タスクには適していません。 B. クラスタリングは、類似したデータポイントを異なるクラスタまたはグループに分割する、教師なし学習の技術です。本例では、入力特徴と連続的な目的変数（売却価格）との間のマッピング関係を学習する必要があり、単にデータをクラスタに分割するものではありません。 C. 強化学習は、エージェントが環境と相互作用しながら受け取るフィードバック（報酬またはペナルティ）に基づいて最適な行動戦略を学習する技術であり、通常は意思決定のシーケンスに適用されます。本例では、意思決定や環境との相互作用が関与しないため、強化学習には適していません。 D. 回帰は、連続値の出力を予測する教師あり学習の技術です。一連の不動産特徴を入力として与えたとき、モデルが連続的な売却価格という出力を予測することを目指しており、まさに回帰タスクの目的です。回帰は、入力特徴と目的変数の間のマッピング関係を学習できます。 したがって、複数の特徴に基づいて不動産の売却価格を予測するこの問題に対して、回帰が最も適した機械学習技術です。一般的な回帰アルゴリズムには、線形回帰、決定木回帰、ランダムフォレスト回帰などがあります。