問題 No.406
機械学習において、モデルに与える入力データから本質的な情報を抽出する「特徴量エンジニアリング」が重要な理由として、最も適切なものはどれか。
【正解の解説】
適切な特徴量を生成することで、モデルがより単純な境界線で正しく分類できるようになるため
特徴量エンジニアリングにより、データの本質的な情報を抽出してモデルに渡すことで、モデルは複雑な境界線を描く必要がなくなり、よりシンプルかつ正確な判断が可能になります。
スポンサーリンク
【その他の選択肢の解説】
モデル自体が不完全なデータからでも自動的に全ての情報を復元できるため
モデル自体が万能ではなく、ノイズの多いデータや無関係なデータからは正しい法則を見出すのが困難なため、人間による特徴量設計が必要です。
全ての計算コストをゼロに抑え、ハードウェアに依存しない開発が可能になるため
特徴量エンジニアリングを行っても計算コストがゼロになるわけではありません。むしろ、人間が適切な特徴を見つけるための手間（コスト）がかかります。
学習データを削減し、推論結果を完全に予測可能にするため
特徴量エンジニアリングの目的はデータの削減や推論の完全な予測ではなく、モデルが学習しやすくして精度を高めることにあります。