AWS認定資格 無料問題集解答・解説
第15問 電力需要予測に適した機械学習の手法とモデル
ある電力会社では、過去の電力使用量、気温、曜日、時間帯などのデータを活用して、翌日の各地域における電力需要を予測するモデルを構築したいと考えています。この要件を満たすために最も適切な学習方法とモデルの組み合わせを選択してください。
（問題ID：AIF201C015）
解答
正しい解答：Ａ. 教師あり学習を使用して、回帰モデルを作成して需要を予測する。
△ 判定不能 URL を直接入力して「解答・解説」画面を表示した場合、何を選択・解答したかを特定できないため、解答の正誤判定ができません。必要に応じて「同じ問題に再挑戦」ボタンをクリックして、この問題に再チャレンジしてみてください。
徹底解説
過去の電力使用量、気温、曜日、時間帯などのデータを活用して、翌日の各地域における電力需要を予測するモデルを構築する際に、採用するべき最も適切な学習方法とモデルの組み合わせは、「教師あり学習を使用して、回帰モデルを作成して需要を予測する」 ことです。教師あり学習（Supervised Learning）は、事前に正しいデータ（ラベル付きデータ）を用いて機械学習（ML：Machine Learning）モデルを学習させて、そのデータのルールやパターンから正しい結果を予測する手法です。需要予測や音声認識などのように、過去のラベル付きデータを基に、新しいデータに対する予測を行いたい場合に用いられます。本問題のシナリオでは、過去の電力使用量や気温、曜日、時間帯などの特徴量を入力として、実際の電力需要を予測するものとなっています。回帰モデルは、売上、価格、気温、電力需要などの連続値を予測する問題に適しているため、今回の要件に最適なアプローチです。
その他の選択肢は、電力需要量という連続値を予測するものではなく、適切な学習方法とモデルの組み合わせを示したものではありません。分類モデルは、教師あり学習で用いられる代表的なモデルのひとつであり、カテゴリー（クラス）の分類や予測をするために使用されるものです。一方で、本問題のシナリオでは、電力需要量という連続値を予測する必要があるため、教師あり学習の中でも分類モデルではなく、上述した回帰モデルのほうが適しています。また、教師なし学習（Unsupervised Learning）は、正解データを用いないでデータ構造を学習する手法であり、データの特徴を自動的に分析して、パターンや関係性を発見する技術です。クラスタリングや次元削減、異常検知など、データの構造やパターンを分析する際に活用されます。次元削減は、教師なし学習で用いられる代表的な手法のひとつであり、多数の特徴量を少数の特徴量へ圧縮して、データの構造や重要な情報を保持するために使用されるものです。教師なし学習による次元削減だけでは要件を満たせません。強化学習（Reinforcement Learning）は、エージェント（意思決定を行う主体）が環境と相互作用しながら、行動の結果として報酬（行動の評価指標）を繰り返し受け取ることで、最適な行動を学習するための手法であり、本問題のシナリオには適していません。
Step Up！
MLにおける教師あり学習と教師なし学習の手法の詳細や相違点に関して、AWSの下記のサイトのページが参考になります。必要に応じて、ご確認ください。
教師あり学習と教師なし学習はどのように異なりますか？：
https://aws.amazon.com/jp/compare/the-difference-between-machine-learning-supervised-and-unsupervised/
問題掲載日：2026-07-11
Sponsored Links
Information
What's New
- 2026/7/13 問題ID: AIF202C013 学習アシスタントにおける質問応答の評価指標に関する問題を加筆・修正しました。
- 2026/7/12 問題ID: AIF202C005 モバイルゲームのチャット翻訳機能に対する採用基準に関する問題を加筆・修正しました。
- 2026/7/11 問題ID: AIF201C015 電力需要予測に適した機械学習の手法とモデルに関する問題を追加しました。
- 2026/7/4 問題ID: AIF203C022 Knowledge Bases のデータソースに関する問題を追加しました。
- 2026/6/21 問題ID: AIF301S005 AIソリューションを保護するセキュリティサービスに関する問題を追加しました。
Reference Books
AWS認定 資格試験テキスト AWS認定AIプラクティショナー
AWS認定 AIプラクティショナー試験（AIF-C01）の“緑本”とも呼ばれる定番テキストです。AIや機械学習、生成AIなどの基礎知識を幅広く網羅しており、図解も豊富で初心者にもわかりやすい構成です。練習問題も充実しており、試験対策として安心して使える一冊です。さらに、当サイトの問題演習と組み合わせることで、効率的に知識を定着させることができます。AWS認定 AIプラクティショナー 合格対策テキスト＋問題集
図解も豊富でとても理解しやすく、試験の対策に必要な知識を効率よく学べる一冊です。AIの歴史経緯も説明されているところも面白い。テキストと問題集がセットになっており、基礎から実践まで無理なく進められます。ページ数も控えめで読みやすく、クラウドやAIの初心者でも安心して取り組める内容です。
解答・解説
第15問 電力需要予測に適した機械学習の手法とモデル
ある電力会社では、過去の電力使用量、気温、曜日、時間帯などのデータを活用して、翌日の各地域における電力需要を予測するモデルを構築したいと考えています。この要件を満たすために最も適切な学習方法とモデルの組み合わせを選択してください。
（問題ID：AIF201C015）
解答
正しい解答：Ａ. 教師あり学習を使用して、回帰モデルを作成して需要を予測する。
URL を直接入力して「解答・解説」画面を表示した場合、何を選択・解答したかを特定できないため、解答の正誤判定ができません。必要に応じて「同じ問題に再挑戦」ボタンをクリックして、この問題に再チャレンジしてみてください。
徹底解説
過去の電力使用量、気温、曜日、時間帯などのデータを活用して、翌日の各地域における電力需要を予測するモデルを構築する際に、採用するべき最も適切な学習方法とモデルの組み合わせは、「教師あり学習を使用して、回帰モデルを作成して需要を予測する」 ことです。教師あり学習（Supervised Learning）は、事前に正しいデータ（ラベル付きデータ）を用いて機械学習（ML：Machine Learning）モデルを学習させて、そのデータのルールやパターンから正しい結果を予測する手法です。需要予測や音声認識などのように、過去のラベル付きデータを基に、新しいデータに対する予測を行いたい場合に用いられます。本問題のシナリオでは、過去の電力使用量や気温、曜日、時間帯などの特徴量を入力として、実際の電力需要を予測するものとなっています。回帰モデルは、売上、価格、気温、電力需要などの連続値を予測する問題に適しているため、今回の要件に最適なアプローチです。
その他の選択肢は、電力需要量という連続値を予測するものではなく、適切な学習方法とモデルの組み合わせを示したものではありません。分類モデルは、教師あり学習で用いられる代表的なモデルのひとつであり、カテゴリー（クラス）の分類や予測をするために使用されるものです。一方で、本問題のシナリオでは、電力需要量という連続値を予測する必要があるため、教師あり学習の中でも分類モデルではなく、上述した回帰モデルのほうが適しています。また、教師なし学習（Unsupervised Learning）は、正解データを用いないでデータ構造を学習する手法であり、データの特徴を自動的に分析して、パターンや関係性を発見する技術です。クラスタリングや次元削減、異常検知など、データの構造やパターンを分析する際に活用されます。次元削減は、教師なし学習で用いられる代表的な手法のひとつであり、多数の特徴量を少数の特徴量へ圧縮して、データの構造や重要な情報を保持するために使用されるものです。教師なし学習による次元削減だけでは要件を満たせません。強化学習（Reinforcement Learning）は、エージェント（意思決定を行う主体）が環境と相互作用しながら、行動の結果として報酬（行動の評価指標）を繰り返し受け取ることで、最適な行動を学習するための手法であり、本問題のシナリオには適していません。
Step Up！
MLにおける教師あり学習と教師なし学習の手法の詳細や相違点に関して、AWSの下記のサイトのページが参考になります。必要に応じて、ご確認ください。
教師あり学習と教師なし学習はどのように異なりますか？：
https://aws.amazon.com/jp/compare/the-difference-between-machine-learning-supervised-and-unsupervised/
問題掲載日：2026-07-11
Sponsored Links
Information
What's New
- 2026/7/13 問題ID: AIF202C013 学習アシスタントにおける質問応答の評価指標に関する問題を加筆・修正しました。
- 2026/7/12 問題ID: AIF202C005 モバイルゲームのチャット翻訳機能に対する採用基準に関する問題を加筆・修正しました。
- 2026/7/11 問題ID: AIF201C015 電力需要予測に適した機械学習の手法とモデルに関する問題を追加しました。
- 2026/7/4 問題ID: AIF203C022 Knowledge Bases のデータソースに関する問題を追加しました。
- 2026/6/21 問題ID: AIF301S005 AIソリューションを保護するセキュリティサービスに関する問題を追加しました。
Reference Books
AWS認定 資格試験テキスト AWS認定AIプラクティショナー
AWS認定 AIプラクティショナー試験（AIF-C01）の“緑本”とも呼ばれる定番テキストです。AIや機械学習、生成AIなどの基礎知識を幅広く網羅しており、図解も豊富で初心者にもわかりやすい構成です。練習問題も充実しており、試験対策として安心して使える一冊です。さらに、当サイトの問題演習と組み合わせることで、効率的に知識を定着させることができます。
AWS認定 AIプラクティショナー 合格対策テキスト＋問題集
図解も豊富でとても理解しやすく、試験の対策に必要な知識を効率よく学べる一冊です。AIの歴史経緯も説明されているところも面白い。テキストと問題集がセットになっており、基礎から実践まで無理なく進められます。ページ数も控えめで読みやすく、クラウドやAIの初心者でも安心して取り組める内容です。