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。
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。
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。
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。
認識的不確実性
認識的不確実性とは、AIモデルの知識不足や学習データの不足によって生じる不確実性のことです。十分なデータを集めて追加学習を行うことで、この不確実性を減少させることが可能という特徴を持ちます。自動運転の安全性評価や、アクティブラーニングにおいて、モデルが『何を知らないか』を定量化し、信頼性の高い意思決定を行うために極めて重要な指標です。
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。
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。
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。
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。
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。
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。
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。
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。
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。
回帰モデル
回帰モデルとは、数値の予測やデータの傾向分析を行うために用いられる、入力変数と連続値の出力変数の関係性を数式で表した機械学習や統計学のモデルです。過去のデータに基づいて、気温から売上を予測したり、広さから住宅価格を予測したりする際に活用され、データ分析や意思決定に深く貢献しています。
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。
点推定
点推定とは、統計学や機械学習において、母集団の未知のパラメータ（平均や分散など）を、サンプルデータから得られた単一の数値（点）として推定する手法です。モデルの重みの最適化やパラメータチューニングなど、AI開発の多くの場面で基礎となる手法ですが、推定値の不確実性（誤差の範囲）を評価できないという特徴もあります。
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。
中心極限定理
中心極限定理とは、確率変数の平均が、元の分布にかかわらずサンプルサイズが大きくなるにつれて正規分布に近づくという確率論の基本定理です。AIや機械学習において、データの誤差分析や統計的検定、モデルの信頼区間を算出する際の理論的根拠として非常に重要な役割を果たしています。
ガウス分布
ガウス分布とは、平均値の周囲にデータが左右対称の鐘型曲線を描いて集まる確率分布のことです。正規分布とも呼ばれ、自然界や社会現象、機械学習の誤差モデルなどで広く利用される統計学の基本概念です。
共分散行列
共分散行列とは、複数の変数（多次元データ）間における分散と共分散をグリッド（行列）状に並べたものです。データの各変数単体のばらつき（分散）と、異なる変数間の連動性（共分散）を同時に表現でき、機械学習における次元削減や特徴抽出、データの分布の理解に不可欠な基礎概念となっています。
帰無仮説
帰無仮説とは、統計的仮説検定において検証の出発点となる仮説のことです。「主張したいことの逆（効果や差がない状態）」をあえて仮定し、得られたデータがその仮定のもとでどれほど起きにくいかを評価します。確率が十分に低い場合に帰無仮説を棄却し、効果や差が存在するという対立仮説を採択する手法で用いられます。
不確実性
不確実性とは、AIや機械学習モデルの予測や判断における「あいまいさ」や「自信のなさ」を示す指標です。ノイズによる「偶然的不確実性」と、知識不足による「認識的不確実性」に分類されます。医療診断や自動運転など、高い安全性が求められる分野で、モデルの判断の信頼性を評価し安全な意思決定を支援するために極めて重要です。