AIエンジニアの面接対策
「どんな特徴量を作りますか」|特徴量設計の面接で聞かれることと答え方
更新日 2026年11月16日 / 書いた人 上田 英介(ジンベイ株式会社 代表取締役/職業紹介責任者)
表形式のデータを扱う機械学習では、モデルの選び方よりも特徴量の作り方で精度が大きく変わります。そのため、データサイエンティストや機械学習エンジニアの面接では、「この課題なら、どんな特徴量を作りますか」という質問がよく出ます。
この質問は正解が1つではありません。面接官は、業務を理解して仮説を立てられるか、そして予測する時点で本当に使える情報だけを使っているか、の2点を見ています。後者に触れられるかどうかで、実務の経験の有無が分かります。
よく聞かれる質問
- EC サイトの購入予測です。どんな特徴量を作りますか
- カテゴリの種類が数万ある変数(商品 ID、店舗 ID など)はどう扱いますか
- ターゲットエンコーディングの注意点は
- 欠損値はどう扱いますか
- 特徴量が数百個あります。どれを残すかどう決めますか
- 決定木系のモデルと線形モデルで、特徴量の作り方は変わりますか
答えの骨組み
「どんな特徴量を作るか」には、思いつく順に並べるのではなく、次の順で答えると整理されます。
- 予測する時点を決める:いつの時点で、何を予測するのか。例えば「毎朝6時に、その日に購入しそうな会員を予測する」
- その時点で手に入る情報を挙げる:前日までの行動ログ、会員の属性、商品の情報。当日のログは使えない
- 仮説ごとに特徴量を作る:「最近よく見ている人は買いやすい」→ 直近7日・30日の閲覧数。「給料日の後に買う人がいる」→ 日付の特徴量
- 作り方を本番と揃える:学習用の集計と、推論のときの集計が同じ定義になるようにする
購入予測なら、次のように分類して話すと網羅的に見えます。
| 種類 | 例 |
|---|---|
| 最近の行動 | 直近7日・30日の閲覧数、最後に訪れてからの日数 |
| 頻度と金額 | 過去の購入回数、平均購入額(RFM の考え方) |
| 変化 | 直近7日と前の7日の閲覧数の比 |
| 属性 | 会員になってからの日数、地域、端末 |
| 商品・時期 | カテゴリ、価格帯、曜日、月末かどうか |
深掘りの質問と答え方
「集計の特徴量で注意することは」
一番大事なのは、予測する時点より後の情報を混ぜないことです。学習データを作るとき、各行ごとに「その時点」を決め、それより前のデータだけで集計します。これを point-in-time(時点を揃えた)結合と呼びます。
よくある漏れの例は、次のとおりです。
- 会員の「累計購入回数」を、今日の値で全期間の学習データに付けてしまう
- 後から修正されるデータ(返品、キャンセル)を、修正後の値で使う
- 夜間のバッチで翌朝にしか確定しない値を、当日の予測に使う
「種類の多いカテゴリ変数はどう扱いますか」
方法と欠点をセットで答えます。
- ワンホットエンコーディング:種類が多いと列が増えすぎる。少ない種類にだけ使う
- 出現回数でのエンコーディング:簡単で漏れがないが、回数が同じものは区別できない
- ターゲットエンコーディング:そのカテゴリでの目的変数の平均を使う。強力だが漏れやすい(次の節)
- 埋め込み:深層学習で、カテゴリごとにベクトルを学習する
- ハッシュ化:列の数を固定できるが、別のカテゴリが同じ列にまとまることがある
学習時になかった新しいカテゴリ(新商品など)が本番で来たときの扱いも、必ず添えます。「その他」にまとめる、上位のカテゴリの値で代わりにする、などです。
「ターゲットエンコーディングの注意点は」
目的変数を使って特徴量を作るので、そのまま全データで計算すると、自分の答えを特徴量に入れることになります。対策は次の2つです。
- 学習データを分割し、各行のエンコーディングは、その行を含まない分割で計算する(out-of-fold)
- 件数の少ないカテゴリは平均が不安定なので、全体の平均に寄せる(スムージング)
時系列のデータなら、その時点より前のデータだけで計算します。
「欠損値はどう扱いますか」
まず、なぜ欠けているかを確かめると答えます。「未入力」と「該当しない」と「システムの障害」では意味が違います。欠けていること自体が情報になる場合は、欠損かどうかを示す列を足します。勾配ブースティングの多くの実装は欠損値をそのまま扱えるので、無理に埋めないという選択肢もあります。
「特徴量をどう減らしますか」
- 重要度の低いものを順に外し、検証の精度が落ちないかを見る
- 特徴量の値をシャッフルして精度がどれだけ落ちるかを見る(permutation importance)。木のモデルの分割回数による重要度は、種類の多い変数を高く見せやすいので、それだけでは判断しない
- 本番で取得の費用が高いもの、更新が遅れやすいものは、精度が少し落ちても外すことがある
最後の点は、MLOps の観点がある人だと伝わります。
「モデルによって特徴量の作り方は変わりますか」
線形モデルは、特徴量と目的変数の関係がまっすぐでないと表現できないので、対数をとる、区間に分ける、掛け合わせた特徴量を作る、といった工夫が要ります。決定木系は単調な変換の影響を受けず、掛け合わせも木の分岐である程度表現できます。一方で、比や差のような関係は自分で作ったほうが学習しやすいです。
よくある失敗
書き換える前 購入予測では、会員の属性、閲覧数、購入回数などの特徴量を作ります。
時点の考え方がなく、どの期間の閲覧数なのかも分かりません。
書き換えた後 毎朝6時の予測なので、前日までのログだけで集計します。閲覧数は直近7日と30日を作り、その比で関心の高まりを表します。学習データでは各行の予測時点ごとに集計し、本番と同じ集計の処理を使います。
ほかには、次のような失敗が多いです。
- 特徴量を作るたびにテストデータで効果を確かめ、テストデータに合わせ込む
- 分析用のノートブックで作った特徴量を、本番のコードで書き直してずれる(学習時と推論時のずれ)
実務の経験の話し方
特徴量の経験は、「どんな仮説から作り、どれだけ効いたか」を1〜2個に絞って話します。
解約予測で、最初は契約の情報と利用量だけを使っていました。サポートへの問い合わせ記録を見ると、解約の前に請求に関する問い合わせが増えていたので、直近30日の請求関係の問い合わせ数を足しました。PR-AUC が0.31から0.38に上がり、重要度でも上位に入りました。
特徴量ストア(Feast などで、特徴量の定義を学習と推論で共有する仕組み)を使った経験があれば、なぜ導入したか、何が楽になったかも話せると、機械学習エンジニアの面接では強みになります。
まとめ
- 特徴量は、予測の時点を決めてから、その時点で手に入る情報だけで作る
- 集計とターゲットエンコーディングは、漏れの対策をセットで話す
- 新しいカテゴリ、欠損の意味、本番での取得の費用まで考える
- 経験は、仮説と効果の数字を1〜2個に絞って話す
職務経歴書で特徴量の工夫をどう書くかに迷ったら、ジンベイ AIタレントで一緒に整理できます。
