因果推論
因果推論とは、データから「何が原因で何が結果になったのか」という因果関係を科学的に導き出す手法です。単なる相関関係にとどまらず、施策の効果測定や意思決定の精度向上に欠かせない技術として、AIやビジネスの現場で広く活用されています。
データ分析のAI用語一覧（4ページ目）
325件データ分析に関するAI用語を325件掲載しています。意味や使い方、関連用語を一覧から確認できます。 現在は4ページ目です。
相関関係
相関関係とは、2つの変数の一方が変化するときにもう一方も一定の規則性をもって変化する関係性のことです。AIやデータ分析において、データ間の隠れたつながりを見つけ出すための基本的な指標として広く活用されています。
レコメンド
レコメンドとは、ユーザーの過去の行動履歴や嗜好、似た傾向を持つ他のユーザーのデータなどを分析し、興味を持ちそうな情報や商品を自動的に提案する技術です。ECサイトの売上向上や動画配信サービスの視聴継続に広く活用されています。
マンハッタン距離
マンハッタン距離とは、格子状の街路を進むように座標軸に沿って移動したときの総距離を測定する手法です。機械学習のK近傍法やクラスタリングにおいて、外れ値の影響を受けにくい距離指標として広く活用されています。
母数
母数とは、統計学や機械学習において、分析対象となる母集団全体の特徴を表す定数です。例えば母集団の平均や分散などが該当します。日常会話ではデータ数やサンプルサイズの意味で誤用されることが多いですが、本来は確率分布の形を決定づける固有のパラメータを指し、データ分析や統計的推定の基礎となる重要概念です。
パーミュテーション重要度
パーミュテーション重要度は、機械学習モデルの予測においてどの特徴量がどれほど重要かを測定する手法です。特定の入力データの数値をランダムに入れ替えてモデルの予測精度がどれだけ低下するかを観察することで、各特徴量の影響度を定量的に評価します。
クラスタ
クラスタとは、類似した特徴を持つデータ同士をグループ分けするクラスタリングによって構成された集まりのことです。AIや機械学習の分野において、データの構造を把握するための教師なし学習の基本的な単位として広く活用されています。
データビジュアライゼーション
データビジュアライゼーションとは、複雑な数値や情報をグラフや図表などの視覚的な表現に変換し、人間が直感的に理解できるようにする技術です。AIや機械学習の分野でも、モデルの予測結果や大量のデータを分析する際に広く活用されています。
分類問題
分類問題とは、AIや機械学習において入力されたデータをあらかじめ定義された複数のカテゴリやラベルのいずれかに割り当てるタスクのことです。メールのスパム判定や画像認識など、幅広い分野で活用されている基本的な問題解決の手法です。
BIツール
BIツールとは、企業内に蓄積された膨大なデータを収集・分析し、グラフやダッシュボードとして視覚化することで、迅速な意思決定を支援するソフトウェアの総称です。近年ではAI機能の統合が進み、予測分析や自然言語による自動レポート作成なども可能になっています。
t-SNE
t-SNE（t分布型確率的近傍埋め込み）とは、高次元データを2次元や3次元の低次元空間に圧縮して可視化するための代表的な次元削減アルゴリズムです。高次元空間におけるデータ点同士の局所的な類似度（近接性）を確率的に捉え、低次元空間でもその局所構造を極力維持するように配置します。主にデータ可視化の用途で機械学習やデータ分析に利用されます。
k-means法
k-means法とは、データをあらかじめ指定したk個のグループに分類する代表的な教師なし学習アルゴリズムです。データの類似性に基づいて自動でグループ分けを行うため、顧客セグメンテーションや画像圧縮などに幅広く活用されています。
予兆検知
予兆検知とは、システムや設備の故障、事故、トラブルなどの問題が発生する前に、データ分析や機械学習を用いて微小な変化や異常の兆候を捉える技術です。事後対応ではなく事前に対策を講じることで、ダウンタイムの削減やコスト最適化に貢献します。
プライバシー保護
AIの学習や運用において、個人情報や機密データを保護しながら安全に活用するための技術や手法の総称です。データ漏洩のリスクを軽減しつつ、モデルの精度を維持するために重要な役割を果たします。
マハラノビス距離
マハラノビス距離とは、データの相関関係やばらつき（分散・共分散）を考慮して、点と分布の間の距離を測定する統計的指標です。多変量データにおいて、各変数の尺度や変数間の関連性を考慮できるため、ユークリッド距離では検知できない異常値の検出やクラスタリング、パターン認識などの機械学習分野で広く利用されています。
共分散
共分散とは、2つの変数の間にある線形な関係性（一方が増えるともう一方も増える、または減る傾向）の強さと向きを表す統計指標です。正の値なら同方向に、負の値なら逆方向に動く傾向を示します。機械学習における特徴量の関係性把握や主成分分析などのデータ圧縮、統計的モデリングで基礎となる重要な概念です。
レコメンドエンジン
レコメンドエンジンとは、過去の行動履歴や購買データ、閲覧履歴などの膨大な情報からユーザーの好みを分析し、興味を持ちそうな商品やコンテンツを自動で提案するシステムです。ECサイトや動画配信サービスなどで広く活用され、ユーザーの利便性向上や売上拡大に貢献しています。
概念ドリフト
概念ドリフトとは、時間の経過に伴い入力データと予測対象である正解ラベルの関係性が変化し、稼働中の機械学習モデルの予測精度が低下する現象です。社会情勢やユーザー行動の変化などが要因となり、過去のデータで学習した規則性が通用しなくなるため発生します。AI運用において予測精度を維持するために不可欠な概念です。
推薦システム
推薦システムとは、ユーザーの好みや行動履歴を分析し、興味を持ちそうな情報や商品を自動で提案する仕組みです。ECサイトの買い物や動画配信サービスの視聴など、現代のデジタルサービスに広く活用されています。
p値
p値とは、統計的検定において帰無仮説が正しいと仮定したとき、観測されたデータと同等以上の極端な結果が得られる確率のことです。AIや機械学習のモデル評価や特徴量選択の際、効果や差が偶然によるものではないかを判断する指標として活用されます。
信頼区間
信頼区間とは、統計学において標本データから母集団の真の値を推定する際、その値が含まれると考えられる範囲を確率（信頼水準）とともに示す指標です。例えば「95%信頼区間」は、同様の調査を繰り返したときに全体の95%で真のパラメータがこの区間に含まれることを意味し、AIモデルの性能評価やデータの不確実性評価に用いられます。
Hold-out検証
Hold-out検証とは、手元にあるデータセットを訓練データとテストデータにあらかじめ分割し、訓練データでモデルを学習させたのちテストデータで性能を評価する、機械学習で最も基本的な検証手法です。
特徴量重要度
特徴量重要度とは、機械学習モデルが予測を行う際に、各入力データがどれくらい結果に影響を与えたかを示す指標です。決定木やランダムフォレストなどのアルゴリズムでよく利用され、モデルの予測根拠を解釈する手助けとなります。データ分析において不要なデータの削減や、ビジネス上の意思決定の根拠として重要な役割を果たします。
多次元データベース
多次元データベースとは、データを複数の属性（次元）で整理し、高速な分析や集計を可能にするデータベースです。売上データを「時間」「地域」「商品」といった複数の切り口で瞬時にクロス集計する「OLAP（オンライン分析処理）」の基盤として広く活用されており、企業の意思決定やビジネスインテリジェンス（BI）に不可欠な役割を果たしています。