カテゴリカルデータとは、性別や血液型のようにいくつかのグループや質的な属性に分類されるデータのことで、数値としての大小や四則演算の意味を持ちません。AIや機械学習モデルで扱う際には、数値への変換処理が不可欠です。
カテゴリカルデータとは
一言でいうと、数値ではなく「グループや種類」を表す性質を持ったデータのことです。
詳しく解説
カテゴリカルデータは、観測された事象を特定のカテゴリ（分類）に割り振ったデータです。例えば「赤、青、緑」といった色や、「うどん、ラーメン、寿司」のような食べ物の好みなどが該当します。データの性質によって、順序に意味がある「順序尺度（Ordinal）」と、単なる区別にすぎない「名義尺度（Nominal）」に分けられます。機械学習アルゴリズムの多くは内部で数値計算を行うため、カテゴリカルデータをそのままでは処理できません。そのため、ワンホットエンコーディングやラベルエンコーディングといった前処理を行い、コンピュータが理解できる数値形式に変換する必要があります。
具体例・使われ方
顧客データを分析する際、「性別（男性、女性、その他）」や「職業（会社員、学生、自営業）」、「購入プラン（無料、スタンダード、プレミアム）」などが典型的なカテゴリカルデータの利用例です。これらを機械学習モデルに入力して顧客の離脱予測や需要予測を行います。
似た用語との違い
数値をそのまま量として表す「数値データ（連続値や離散値）」とは異なります。数値データは足し算や引き算などの算術演算が可能ですが、カテゴリカルデータは原則としてそのような計算を行いません。
注意点
カテゴリカルデータを不適切に数値化すると、機械学習モデルに誤った順序関係や大小関係を学習させてしまう恐れがあります。例えば、名義尺度のデータに「1、2、3」とラベルを振ると、アルゴリズムが「3は1の3倍大きい」と誤認するため、ワンホットエンコーディングなどの適切な手法を用いる注意が必要です。