閾値
閾値（いきち／しきいち）とは、ある状態や判定を切り替える境目となる基準値のことです。AIや機械学習では、モデルが出力した確率値をもとに二値分類の判定を下す際や、ニューロンの発火を制御する活性化関数などで重要な役割を果たします。
統計学のAI用語一覧
282件統計学に関するAI用語を282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。
順序変数
順序変数とは、データに含まれるカテゴリ間に順序やランク（大小関係）が存在する変数のことです。顧客の満足度評価（高・中・低）や学歴、資格ランクなどが該当します。機械学習やデータ分析における特徴量エンジニアリングでは、各選択肢の順序情報を保持したまま適切な数値へ変換（符号化）してモデルに入力することが重要です。
ベイズ更新
ベイズ更新とは、新しいデータが得られるたびに事前確率を更新して事後確率を求める統計的推論の手法です。AIや機械学習分野において、不確実性の高いデータを効率的に処理し、予測精度を逐次的に向上させるための重要なアルゴリズムとして広く活用されています。
尤度
尤度とは、観測されたデータが特定のパラメータや確率モデルのもとで発生する「当てはまりやすさ」を表す指標です。確率が「前提条件から結果が起こる割合」を示すのに対し、尤度は「結果から前提条件の妥当性」を評価する逆向きの視点を持ちます。AIや機械学習のモデル訓練において最適なパラメータを検索・選定する基礎として幅広く利用されています。
分散
分散とは、データの値が平均値からどれくらい散らばっているかを表す統計指標です。機械学習では、データのばらつき度合いやモデルの複雑さを評価するために不可欠な概念です。分散が大きいモデルは訓練データに過剰に適合しやすく過学習を引き起こす原因となるため、モデルの予測精度や汎用性を向上させる設計で非常に重要な指標となります。
主成分分析
主成分分析とは、多次元データの情報を可能な限り失わずに、より少ない変数へと要約する次元削減の手法です。AIや機械学習の前処理として、データの可視化や過学習の防止に広く活用されています。
予測値
予測値とは、機械学習モデルや統計モデルが、入力されたデータをもとに将来の状態や未知の結果を推論して出力した数値のことです。AIの性能評価や意思決定において中心的な役割を果たし、実際の値との比較によってモデルの精度を測定するために使用されます。
線形回帰
線形回帰は、数値データの関係性を直線的な数式でモデル化し、将来の予測や分析を行う統計学および機械学習の代表的な手法です。一方のデータが変化したときにもう一方のデータがどのように変化するかを予測します。売上予測や価格決定など幅広い分野で利用されており、計算負担が小さく解釈性が高いという特徴があります。
ラッパー法
ラッパー法とは、機械学習のモデルを用いて最適な特徴量の組み合わせを選択する手法です。予測性能を直接評価基準にするため精度向上が期待できますが、計算コストが非常に高いという特徴があります。
Lasso回帰
Lasso回帰（ラッソ回帰）は、過学習を防ぐためにL1正則化を導入した線形回帰の手法です。不要な特徴量の係数を完全にゼロにする特徴があり、自動的に変数選択を行うことができます。データが多く特徴量が過剰な場合のモデルの簡素化や、予測精度の向上、解釈性の向上に広く用いられています。
潜在変数
潜在変数とは、データから直接観測することはできないものの、背後にある本質的な構造やメカニズムを説明するために仮定される変数です。機械学習や統計学において、複雑なデータの背後にある要因を見つけ出すために広く利用されています。
回帰分析
回帰分析は、過去のデータから変数間の関係性を数式で表し、数値の予測や要因の分析を行う統計手法です。機械学習においては、売上予測や価格推定などの連続値を予測するタスクの基礎として広く活用されています。
標本
標本とは、調査や分析の対象となる全体（母集団）から、実際に測定・収集された一部のデータ集合のことです。AIやデータ分析では、膨大な母集団全体を処理する代わりに標本を用いて統計的推論を行い、モデルの学習や精度の評価に活用します。適切な標本の抽出は、予測の偏りを防ぎモデルの汎用性を保つために不可欠です。
サンプルサイズ
サンプルサイズとは、統計学や機械学習において、1回の調査や実験で収集された標本（サンプル）に含まれるデータ全体の個数のことです。データの「件数」や「N数」とも呼ばれ、モデルの予測精度や信頼性を左右する重要な指標です。サンプルサイズが小さすぎると過学習のリスクが高まり、大きすぎると計算コストが増大するため、適切な設計が求められます。
平均二乗誤差
平均二乗誤差とは、予測値と実際の値のずれを評価するための損失関数のひとつです。予測の正確さを数値化するために機械学習の回帰モデルで広く使われており、誤差を二乗して平均をとることで大きなズレをより強くペナルティとして課す特徴を持ちます。
データ分析
データ分析とは、収集した膨大なデータから有用な情報や規則性を発見し、意思決定や課題解決に役立てるプロセスです。ビジネスや機械学習の前段階として、現状の把握や未来予測を行うために欠かせない手法となっています。
平均値
平均値とは、データの総和をデータ数で割って得られる統計的な代表値のことです。機械学習やデータ分析では、データセット全体の傾向を把握したり、モデルの予測誤差を評価する指標として頻繁に使用されます。異常値の影響を受けやすい特徴がありますが、データの中心的な位置を直感的に捉える基本的な尺度として重要です。
説明変数
説明変数とは、統計学や機械学習において、予測や分析の対象となる結果（目的変数）に影響を与える「要因」となる変数のことです。機械学習では「特徴量」とも呼ばれ、予測モデルの入力データとして使用されます。例えば、住宅価格の予測における「築年数」や「広さ」がこれに該当し、モデルの予測精度を大きく左右する重要な要素です。
回帰
回帰とは、データ間の関係性を数式でモデル化し、連続的な数値を予測する機械学習や統計学の手法です。例えば過去のデータに基づいて将来の売上高や気温、株価などを連続値として予測する際に用いられます。正解データ（目的変数）が数値であるタスクに適しており、予測モデルの構築や要因分析において基礎的かつ極めて重要な役割を果たします。
データサイエンス
データサイエンスとは、データの収集、処理、分析を通じて、価値ある洞察（インサイト）やビジネス上の意思決定に役立つ知見を導き出す学際的な分野です。統計学、数学、コンピュータサイエンス、そしてビジネスの専門知識を融合させ、膨大なビッグデータから予測モデルの構築やパターン発見を行い、社会や企業の課題解決に貢献します。
情報幾何学
情報幾何学は、確率分布の集まりを「空間」とみなし、微分幾何学の手法を用いて解析する数学の分野です。AIや機械学習の最適化、深層学習における学習ダイナミクスの解析、確率モデルの性質を深く理解するための強力な理論的基盤として広く活用されています。
因果関係
因果関係とは、ある事象（原因）が別の事象（結果）を直接的に引き起こす結びつきのことです。AIやデータ分析において、単なるデータの関連性を示す相関関係と、真の要因を示す因果関係を区別することは極めて重要です。近年では、データから因果関係を科学的に導き出す因果推論の技術が機械学習と組み合わさり、意思決定や予測モデルの信頼性向上に活用されています。
信頼水準
信頼水準とは、統計的推定において得られた区間が真のパラメータを含む確率の信頼性を表す指標です。AIモデルの性能評価や不確実性の見積もりにおいて、予測結果の信頼性を担保するために用いられます。
対立仮説
対立仮説とは、統計的仮説検定において、帰無仮説を否定したときに採択される、示したい効果や差が存在するという仮説です。AIモデルの性能評価やA/Bテストの検証において、新しい手法の優位性を証明する際によく使用されます。