特徴量 (G検定)

1. 定義と概要

特徴量（Feature、説明変数）とは、分析対象データの中から予測や分類の手がかりとなる特徴を数値で表したものです。表形式のデータでは各列が1つの特徴量にあたり、例えば売上予測であれば曜日・気温・割引の有無などが特徴量となります。

モデルはこれらの特徴量（説明変数、モデルへの入力として使うデータの項目）を入力として、予測したい対象である目的変数（モデルが予測しようとする対象の値。例えば将来の売上）を推定する関数を学習します。G検定のシラバスでは「学習結果に大きく影響する特徴」という表現でも整理されます。

人工知能は「単純な制御プログラム」「古典的な人工知能」「機械学習を取り入れた人工知能」「ディープラーニングを取り入れた人工知能」という4つのレベルに分類され、特徴量の扱い方はこの分類を区別する軸の一つです。従来の機械学習では、どのデータ列に着目するかという特徴量そのものの設計を人間があらかじめ行う特徴量エンジニアリング（モデルの精度を上げるために、どのデータ項目に着目し、どう数値に加工するかを人間が設計する作業）が前提でした。

曜日や気温のような構造化データは人間が意味を理解して設計しやすい一方、画像・音声・テキストのような非構造化データはピクセル単位で何に着目すべきか人間には判断しづらいという課題がありました。ディープラーニングの登場によって、多層のニューラルネットワーク（人間の脳の神経回路を模した、層を重ねた計算の仕組み）がデータから特徴量そのものを自動的に学習できるようになった、という流れがあります。

2. 試験対策ポイント

まず整理したいのは、人工知能のレベル分類における特徴量設計の主体です。機械学習を取り入れた人工知能は人間が特徴量を設計することが前提であり、ディープラーニングを取り入れた人工知能は特徴量そのものをモデルが自動的に学習する点が、両者を区別する軸になります。

人間が特徴量を設計する際の具体的な前処理は、特徴量エンジニアリングという名前でまとめて扱われます。代表的な手法を並べると、次のとおりです。

手法	内容
欠損値の処理	欠損値（データが記録されていない箇所）を補完する、あるいは取り除く
外れ値の処理	外れ値（他のデータから大きく外れた値）を検出して処理する
スケーリング	数値の範囲をそろえる。標準化（データの平均を0、ばらつきを1にそろえる変換）と正規化（データの値を0から1の範囲に収める変換）の2つの方法がある
One-Hotエンコーディング	ダミー変数化とも呼ばれ、文字などのカテゴリデータを0と1の列に変換してモデルが扱える数値にする

いずれも、そのままではモデルが読み取りにくいデータを、学習に使える形へ整える作業にあたります。どの手法が必要になるかは、扱うデータの型や欠けの状況によって変わります。

特徴量の数（次元数）が増えるほど、モデルの学習に必要なデータ量が指数関数的に増加し、汎化性能（学習に使っていない未知のデータに対しても正しく予測できる能力）が低下する現象を、次元の呪いといいます。対処法として特徴選択（既存の特徴量から一部を選び出す方法）や次元削減が挙げられます。

次元削減の代表的な手法である主成分分析（複数の特徴量の情報をまとめてより少ない新しい特徴量に置き換える手法）はPCAとも呼ばれます。主成分分析は既存の特徴量から新しい特徴量を作り出す手法であり、既存の特徴量の中から一部を選ぶ特徴量選択とは異なる手法という区別が、取り違えやすい点です。

3. 関連概念との比較・相違点

特徴量と目的変数との最大の違いは、モデルへの入力か出力かという点にあります。特徴量（説明変数）はモデルへの入力にあたり、目的変数はモデルが予測しようとする対象という、入力と出力の関係になります。売上予測でいえば、曜日や気温は特徴量であり、予測したい将来の売上が目的変数にあたります。両者は同じ表形式データの列として並んでいても、モデルに与える役割がまったく異なるという点が、混同しやすいところです。

表現学習（特徴表現学習、特徴量を人間ではなくモデル自身が自動で獲得する学習の考え方）との違いは、対象と手法の違いです。特徴量は個々のデータの特徴を数値で表した値そのものを指す名詞であるのに対し、表現学習はその特徴量を人手を介さず自動で獲得する学習アプローチを指します。特徴量が「何を表すか」という結果であるのに対して、表現学習は「どう獲得するか」という方法論にあたります。特徴量エンジニアリングが人間主体の設計であるのに対し、表現学習はモデル主体の獲得であるという対比としても整理できます。

4. ビジネス・実務での活用シナリオ

小売・EC業界では、曜日・気温・過去の販売実績・割引の有無などを特徴量として需要予測モデルを構築する事例があります。曜日や気温は消費者の来店・購買行動を左右する直接的な要因であり、数値に置き換えることで需要変動の手がかりにしやすいという性質があります。どのデータが需要変動の手がかりになるかを見極めて特徴量に落とし込むことで、欠品や過剰在庫の抑制につながります。

金融業界では、年収・借入額・返済履歴などを特徴量にした与信スコアリング（融資の可否や条件を判断するために、返済能力を点数化する仕組み）モデルが使われています。返済履歴は過去の返済行動の積み重ねであり、将来の返済能力を推し量る代理指標として機能するため、審査の判断材料として有効です。人手だけに頼らずモデルを活用することで、融資審査の精度とスピードを両立できます。

製造業の外観検査では、人間がピクセル単位で特徴量を定義しづらい製品画像の扱いにディープラーニングが使われています。モデルは大量の画像データから微細なパターンを学習でき、人間の目視では気づきにくい特徴まで特徴量として捉えられるため、検出精度の向上につながります。特徴量抽出そのものをモデルに委ねることで、人間の目視では見落としがちな欠陥まで検出するモデルを構築できます。

5. 要点まとめ

• 特徴量とは、予測や分類の手がかりとなるデータの特徴を数値で表した説明変数であり、モデルはこれをもとに目的変数を推定する関数を学習します。
• 機械学習を取り入れた人工知能では、特徴量の設計を人間が担う特徴量エンジニアリング（欠損値処理・スケーリング・One-Hotエンコーディングなど）が前提です。一方、ディープラーニングを取り入れた人工知能では、特徴量そのものをモデルが自動的に学習します。
• 特徴量の数が増えすぎると次元の呪いが生じるため、特徴選択や、主成分分析（PCA）と呼ばれる次元削減の手法で対処します。PCAは新しい特徴量を作り出す次元削減であり、既存の特徴量から選ぶ特徴量選択とは異なる手法です。

6. 確認問題