統計学 | ページ 3 | AI用語解説 AIコンパス

最頻値とは？データの中心を知る

最頻値とは、たくさんのデータが集まったとき、その中で最もよく現れる値のことです。たとえば、学校のクラスでみんなが履いている靴の大きさを調べてみると、24センチメートルの人が最も多かったとします。このとき、24センチメートルが最頻値です。最頻値は、データ全体の様子を捉えるための大切な手がかりの一つです。特に、数字ではないデータや、飛び飛びの値をとる数字データの場合に役立ちます。たとえば、好きな色や血液型のように、数字で表せないデータでは、平均や真ん中の値を計算することはできません。しかし、最頻値であれば求めることができます。最頻値を知ることで、データがどのような傾向を持っているのかを理解する第一歩となります。データの中で最も多く現れる値が分かれば、そのデータ全体がどのような特徴を持っているのかが見えてくるからです。たとえば、ある商品の購入者の年齢層を調べ、20代が最頻値だったとしましょう。このことから、その商品は20代の人に人気が高いと言えるでしょう。このように、最頻値はデータの全体像を理解する上で重要な役割を果たします。また、最頻値は計算がとても簡単です。たくさんのデータから一つ一つ値を数えていくのは大変ですが、データを集計した表やグラフがあれば、最頻値はすぐに分かります。そのため、現場で素早く判断しなければならないときなどにも、最頻値は役立ちます。最頻値は、平均値や中央値と並んで、データの中心的な傾向を示す指標です。これらの指標を組み合わせて使うことで、データの特性をより深く理解することができます。たとえば、最頻値と平均値が大きく異なる場合、データの分布が偏っていることが分かります。このように、最頻値は単独でも有用ですが、他の指標と合わせて使うことで、より強力な分析ツールとなります。

2025.01.31

アルゴリズム

再現率：見落としを防ぐ重要指標

ある事柄を正しく見つけ出す能力を測る指標に、再現率というものがあります。再現率とは、本来見つけるべきもののうち、実際にどれだけの割合を見つけることができたのかを示す数値です。０から１までの値をとり、１に近づくほど、見つける能力が高いことを示します。例として、病気の診断を考えてみましょう。ある病気にかかっている人を診断する場合、実際に病気の人全員を「病気の人」と正しく診断することが理想です。しかし、現実的には、検査で見逃してしまう場合もあるでしょう。この時、再現率は、実際に病気の人全体のうち、どれだけの割合の人を正しく「病気の人」と診断できたかを表します。もし100人の病気の人のうち、80人を正しく診断できたとすると、再現率は0.8となります。残りの20人は、見逃されたことになります。再現率は、見落としが許されない状況で特に重要です。例えば、深刻な病気の診断の場合、病気の人を見落としてしまうと、適切な治療の開始が遅れ、病状が悪化してしまうかもしれません。また、工場の製品検査で不良品を見落としてしまうと、不良品が出荷され、大きな事故につながる可能性もあります。このように、見落としが大きな損失につながる可能性がある場合、再現率を高く保つことが非常に重要になります。再現率を高めるための手法は様々ですが、一般的には、診断や検査の基準を緩めることで再現率は向上します。病気の診断であれば、少しの兆候でも「病気の疑いあり」と判断することで、病気の人を見落とす可能性は減ります。しかし、基準を緩めすぎると、実際には病気でない人を誤って「病気」と判断してしまう可能性が高まります。そのため、状況に応じて適切な基準を設定することが重要です。

2025.01.31

アルゴリズム

記述統計学：データの真髄を読み解く

記述統計学とは、集めた資料の特徴を分かりやすく説明し、整理するための方法です。複雑な資料の山を、誰もが理解できる明確な情報に変換することが、記述統計学の目的です。私たちの身の回りには、毎日の気温や商品の売上、家の電気代、子どもの身長など、様々な数値情報が存在します。インターネット上でも、動画の再生回数や商品の口コミ評価など、膨大な量の資料が記録されています。これらは全て、分析することで価値ある情報へと変わる可能性を秘めた「資料」です。しかし、これらの資料をただ集めただけでは、隠された意味や全体的な傾向を理解することは難しいでしょう。例えば、ある商品の１ヶ月間の売上資料があったとしても、日ごとの売上をただ並べただけでは、売れ行きが良いのか悪いのか、どの日に売上が多かったのかといった全体像は把握できません。記述統計学では、様々な計算方法やグラフなどを用いて、資料の特徴を分かりやすく表します。例えば、資料全体の平均値を求めることで、資料のおおよその中心的な値を把握することができます。また、資料がどのくらいの範囲に散らばっているのかを知るために、最大値と最小値の差や、資料のばらつき具合を表す数値を計算することもあります。さらに、資料をいくつかのグループに分けて、それぞれのグループの特徴を比較することも可能です。例えば、商品の売上資料を地域ごとに分けて比較することで、地域による売上の違いなどを分析することができます。他にも、二つの資料間の関係性を調べるための方法も存在します。例えば、商品の広告費と売上の関係性を分析することで、広告の効果を評価することができます。このように、記述統計学は様々な手法を用いて、複雑な資料を整理し、分かりやすい情報へと変換することで、資料の背後に隠された真の姿を明らかにするのです。

2025.01.31

その他

幾何平均：値の真の姿を探る

数値の真ん中あたりの値を知るための方法として、よく使われるのが平均値です。これは、すべての数値を足し合わせ、数値の個数で割ることで計算できます。例えば、100円、200円、300円の３つの商品の値段があった場合、これらを足し合わせると600円になり、それを３で割ると200円。これが平均値です。しかし、平均値は極端に大きい値や小さい値に影響を受けやすいという弱点があります。たとえば、先に挙げた100円、200円、300円の３つの商品に、10000円の商品が加わったとしましょう。この４つの商品の値段の平均値は、(100 + 200 + 300 + 10000) ÷ 4 = 2675円となります。2675円という値段は、100円、200円、300円の商品の値段から見ると、かなり高い値です。これは、10000円という極端に高い値段に引っ張られているためです。このような場合に役立つのが、幾何平均です。幾何平均は、すべての数値を掛け合わせ、その積の数値の個数乗根をとることで計算します。例えば、100円、200円、300円、10000円の４つの商品の値段の幾何平均は、(100 × 200 × 300 × 10000) の４乗根、つまり約516円となります。幾何平均を使うことで、極端に高い値段や低い値段に影響されにくい、より実態に近い値を得ることができます。幾何平均は、比率や割合の変化を見るのに適しています。例えば、ある商品の売上が、去年は100万円、今年は200万円だったとします。この時、売上の増加率は2倍、つまり200%です。もし来年も2倍の増加率だとすると、来年の売上は400万円になります。ここで、３年間の平均売上を計算する場合、平均値を使うと(100 + 200 + 400) ÷ 3 = 約233万円となります。しかし、幾何平均を使うと(100 × 200 × 400)の３乗根、つまり約200万円となり、毎年２倍ずつ増加しているという実態をより正確に反映しています。このように、幾何平均は、変化の割合を分析する際に非常に役立ちます。

2025.01.31

アルゴリズム

感度の理解：機械学習における重要性

検査や測定の良し悪しを判断する上で、「感度」は欠かせない考え方です。これは、実際にそうであるものの中から、正しくそうだと判断できた割合を示すものです。例えば、病気の診断を考えてみましょう。ある病気に実際にかかっている人たちの中から、検査によって正しく病気だと診断された人の割合が、その検査の感度にあたります。別の言い方をすれば、感度は「真陽性率」とも言えます。つまり、本当に病気の人を、病気だと見つける能力を表す尺度です。この値は、０から１までの範囲で表され、１に近づくほど検査の性能が良いとされます。もし感度が１に近い検査であれば、病気の人をほぼ漏れなく見つけることができます。反対に、感度が低い検査の場合、実際には病気であるにもかかわらず、健康だと判断してしまう可能性が高くなります。これは、病気の「見逃し」につながり、特に医療の現場では重大な問題を引き起こす恐れがあります。例えば、早期発見が重要な病気の場合、感度の低い検査によって診断が遅れれば、治療の開始が遅れてしまうかもしれません。このように、感度は、病気を見逃さない能力を測る重要な指標です。特に、命に関わるような病気の診断においては、感度の高い検査を用いることが非常に重要になります。検査結果が陰性であっても、感度が低い場合には、本当に陰性なのか、それとも検査の見逃しなのかを注意深く見極める必要があります。そのため、医療現場では、それぞれの検査の感度を理解し、適切に使い分けることが求められます。

2025.01.31

アルゴリズム

マイクロF1値：精度評価の基礎

機械学習の分類モデルを評価する大切な指標の一つに、マイクロF値というものがあります。このマイクロF値は、分類モデルがどのくらい正確に分類できているかを示す数値です。分類モデルは、例えば写真を見てそれが何であるかを判断する画像認識や、迷惑メールを見分けるスパムメール検知など、様々な場面で使われています。これらのモデルが良い働きをしているかを調べるには、予測の正しさを評価する必要があります。マイクロF値は、まさにこの正しさを測るためのものです。マイクロF値は、実際の結果とモデルが予測した結果が、どのくらい一致しているかを数値化したものです。具体的には、全体データの中で、正しく positive と予測できた数（真陽性）、間違って positive と予測した数（偽陽性）、本当は positiveなのに間違って negative と予測してしまった数（偽陰性）の三つの数から計算します。これらの数を用いることで、モデルの全体的な正確さを評価できます。マイクロF値は、０から１までの値を取ります。値が１に近いほど、モデルの性能が良いとされます。例えば、マイクロF値が0.95のモデルは、0.7のモデルよりも正確な分類を行えていると判断できます。つまり、マイクロF値が高いモデルは、より正確な分類を行えていると言えるのです。これは、様々な分類モデルを比較する際に非常に役立ちます。より高いマイクロF値を持つモデルを選択することで、より信頼性の高い結果を得られる可能性が高まります。そのため、マイクロF値は、分類モデルの性能を測る上で重要な指標となっています。

2025.01.31

アルゴリズム

マクロF1値で多クラス分類を評価

たくさんの種類に分ける問題で、作った模型がどれくらいうまく分類できるかを測る物差しの一つに、マクロF1値というものがあります。マクロF1値は、分類の正しさを示す値で、０から１までの間の数字で表されます。１に近いほど、その模型の分類能力が高いことを示しています。分類問題では、模型がどれほど正確にそれぞれの場所にデータを分類できるかが大切です。しかし、種類ごとにデータの数が大きく違う場合、単純な正解率では模型の性能を正しく測れないことがあります。例えば、ある種類に属するデータが極端に少ない場合、その種類を全て無視して分類しても、全体の正解率は高く出てしまうことがあります。マクロF1値を使うと、データ量の偏りに左右されずに、それぞれの種類の分類性能をまとめて評価できます。具体的には、まず種類ごとにF1値というものを計算します。F1値は、その種類の中でどれだけのデータを正しく分類できたかを示す値です。そして、計算したそれぞれのF1値を全て足し合わせ、種類の数で割って平均値を求めます。これがマクロF1値です。つまり、マクロF1値は、少ない種類のデータも無視することなく、全ての種類の分類性能を平等に評価した結果と言えます。そのため、データの数が種類によって大きく異なるような分類問題で、模型の性能を正しく評価するために、マクロF1値は非常に役立ちます。

2025.01.31

アルゴリズム

正解率：機械学習モデルの精度を測る

正解率とは、機械学習の出来栄えを測る物差しの一つです。この物差しは、機械学習のモデルがどれほど正確に予測できるかを示すものです。分かりやすく言うと、たくさんのデータの中から、モデルが正しく予測できたデータの割合のことです。例えば、100個のりんごの中から、腐ったりんごを機械学習で見分ける場面を考えてみましょう。機械学習のモデルが、実際に腐ったりんご80個を正しく腐ったりんごだと判断したとします。この時、腐ったりんごを見つける正解率は80%となります。この正解率は、機械学習モデルの良し悪しを判断する上で、とても基本的な物差しであり、様々な場面で使われています。まるで、健康診断で身長や体重を測るように、機械学習モデルの性能を知る上で欠かせないものとなっています。しかし、注意しなければならない点もあります。データの性質によっては、正解率だけではモデルの性能をきちんと測れないことがあるのです。例えば、めったに発生しない病気の診断を想像してみましょう。ほとんどの人が健康な場合、たとえ機械学習モデルが常に「健康」と診断しても、高い正解率が出てしまいます。しかし、このモデルはめったに発生しない病気を正しく診断できないため、実際には役に立ちません。そのため、正解率だけで判断するのではなく、他の物差しも組み合わせて、機械学習モデルの性能を総合的に判断することが大切です。ちょうど、健康状態を身長や体重だけでなく、血圧や体温なども見て判断するように、様々な角度から見て、モデルの真の実力を評価する必要があるのです。

2025.01.31

AI活用

ＡＰ：精度の評価指標

平均精度（略してＡＰ）は、情報検索や機械学習の分野、特に物体検出や画像分類といったタスクで、予測モデルの精度を測る大切な指標です。これは、平均精度という名前の通り、様々な状況下での精度を平均化したものと言えるでしょう。ＡＰを理解するには、まず精度と再現率という二つの概念を理解する必要があります。精度は、モデルが「正しい」と判断したものの中で、実際に正しいものの割合を示します。例えば、１０個のリンゴの中から、８個をリンゴと正しく予測し、残りの２個をミカンと誤って予測した場合、精度は８割となります。一方で、再現率は、実際に正しいもの全体の中で、モデルが正しく「正しい」と判断できたものの割合を示します。先ほどの例で言えば、全部で１０個のリンゴがある中で、８個を正しくリンゴと予測できたので、再現率も８割となります。ＡＰは、この精度と再現率の関係性を示すＰＲ曲線（精度－再現率曲線）の面積を計算することで求められます。ＰＲ曲線は、横軸に再現率、縦軸に精度をとって描かれる曲線です。モデルの予測の閾値（しきいち）を変えると、精度と再現率の値も変化します。この閾値を様々に変化させた時の精度と再現率の組み合わせをプロットしていくことで、ＰＲ曲線が描かれます。そして、この曲線の下側の面積がＡＰとなります。ＡＰは、様々な閾値における精度と再現率を考慮するため、単一の閾値で評価するよりも、より総合的なモデルの性能評価を可能にします。つまり、特定の状況下でのみ高い精度を出すモデルではなく、様々な状況下で安定して高い精度を出すモデルを評価する際に特に役立ちます。そのため、物体検出や画像分類といった、実世界の様々な状況を想定する必要があるタスクにおいて、重要な評価指標として用いられています。

2025.01.31

アルゴリズム

移動平均でデータを見やすくするWMA

移動平均とは、時間とともに変動するデータから、ある一定期間の平均値を次々と算出していく手法のことです。この手法を使うことで、細かい変動をならして、データ全体の大きな流れや周期的な動きを捉えやすくなります。気温や株価、為替の値動きなど、様々な分野で使われています。例えば、毎日の気温の変化を想像してみてください。日によっては暑かったり寒かったりと、値動きが激しいです。しかし、過去一週間の平均気温を毎日計算していくと、暑くなっているのか、寒くなっているのかといった大きな流れが見えてきます。これが移動平均の基本的な考え方です。移動平均を使う一番の利点は、短期的な小さな変動に惑わされずに、データの長期的な傾向を把握できることです。毎日の気温で言えば、一日の気温の上がり下がりに一喜一憂することなく、季節ごとの気温変化を捉えることができるということです。移動平均には、いくつかの種類があります。代表的なものとしては、単純移動平均、加重移動平均、指数移動平均などです。単純移動平均は、指定した期間のデータの平均値をそのまま使います。加重移動平均は、最近のデータに大きな重みをつけて平均値を計算します。指数移動平均も、最近のデータに大きな重みを与えますが、計算方法は加重移動平均とは異なります。どの移動平均を使うかは、分析の目的やデータの特性によって適切に選ぶ必要があります。例えば、最近の変化を重視したい場合は、加重移動平均や指数移動平均が適しています。それぞれの計算方法の特徴を理解し、データに合わせて適切に使い分けることで、より的確にデータ分析を行い、将来の予測に役立てることができるのです。

2025.01.31

アルゴリズム

加重平均を理解する

重み付き平均とは、それぞれのデータに異なる重みをつけて平均値を計算する方法です。普段よく使う平均、つまり算術平均では、すべてのデータが同じように大切だと考えて計算します。例えば、３回テストを受けて、それぞれの点数が５０点、７０点、８０点だった場合、合計点をテストの回数で割って平均の６０点を計算します。どのテストも同じ価値と考えます。しかし、現実にはデータによって重要さが違う場合があります。重み付き平均は、このような場合に役立ちます。例えば、学校の成績をつけるときに、日常の宿題、中間テスト、期末テストの結果を合わせて最終成績を出したいとします。このとき、期末テストが一番大切で、次に中間テスト、そして宿題の順に大切だと考えます。それぞれの割合を宿題１０％、中間テスト３０％、期末テスト６０％とします。宿題の点数が８０点、中間テストが７０点、期末テストが６０点だったとしましょう。この場合、重み付き平均を使って最終成績を計算します。具体的には、宿題の点数８０点に重み０．１を掛けたもの、中間テストの点数７０点に重み０．３を掛けたもの、そして期末テストの点数６０点に重み０．６を掛けたものをすべて足し合わせます。計算すると８＋２１＋３６で合計６５点になります。これが重み付き平均で計算した最終成績です。このように、重み付き平均を使うことで、データの重要度を反映したより適切な平均値を求めることができます。様々な場面で重み付き平均は活用されており、例えば投資の世界では、ポートフォリオの平均収益率を計算する際に、それぞれの投資額を重みとして使います。また、経済指標を計算する際にも、重み付き平均が用いられることがあります。

2025.01.31

アルゴリズム