
389
389
A.4 評価と展開
用の目的変数の値を取得し、それを表として構成する方法は明確であるか。
•
目的変数の値を、どのようにして正確に学習させるつもりか。そのために必要なコス
トが含まれないか。含まれる場合、それが提案に考慮されているか。
•
学習のためのデータは、そのモデルが適用される目的の母集団と似たような母集団か
ら抽出されているか。それらの母集団に食い違いがある場合、データの選択に関する
バイアスが明確に記載されているか。それらの食い違いを補正するためのプランがあ
るか。
A.3
モデリング
•
選択したモデルは、選択した目的変数に対して適切であるか。
−
分類、クラス確率の推定、ランク付け、回帰、クラスタリング、などの別のモデル
を考慮すべきではないか。
•
提案しているモデルやモデリング技術は、その業務の要件に適合しているか。
−
汎用性があるか、理解しやすいか、学習のスピード十分か、結果を実用化するス
ピードは十分か、データ量、データの種類は十分か、欠損値を考慮しているか。
•
いくつかのモデルを試して評価のために比較するべきではないか。
•
クラスタリングのために、類似性の判断基準は定義されているか。その判断基準はビ
ジネスの課題にとって意味があるか。
A.4
評価と展開
•
業務知識に基づいた妥当性確認のプランはあるか。
−
業務のエキスパートや関係者は、モデルの展開の前にそれを入念に確認する意思
があるか。ある場合、モデルは彼らにとって理解可能なものになっているか。
•
評価の準備と判断基準は、その業務に対して適切なものであるか ...