FDR制御（偽発見率制御）とは、多数の仮説検定を同時に行う多重検定において、検出すべての「有意」判定のうち誤って有意と判断された割合（偽陽性の割合）の期待値を一定基準以下に抑える統計的手法です。遺伝子解析や特徴量選択など、大量のデータから有効な項目を探索するAI・データ分析分野で広く利用されています。
FDR制御とは
FDR制御とは、多数の検定を一度に行う際に、「有意と判定された結果の中に含まれる偽陽性の割合」を一定以下に制御する統計的な手法です。
詳しく解説
機械学習やデータ分析では、大量の特徴量や条件に対して同時に仮説検定を行う多重検定の場面が頻繁に発生します。単一の検定と同じ条件で検定を繰り返すと、誤って有意と判定してしまう偽陽性の総数が増大する問題が生じます。FDR制御は、有意と判定した項目全体に占める偽陽性の割合の期待値をコントロールすることで、真の発見を逃すリスクを抑えつつ、誤検出の割合を適切に管理します。代表的なアルゴリズムとしてベンジャミーニ・ホッホバーグ法が知られており、特徴量選択や異常検知におけるデータ前処理などで重要な役割を果たします。
具体例・使われ方
例えば、数万個の遺伝子データの中から特定の病気に関連する遺伝子を探索するゲノム解析や、機械学習モデルに入力する数百種類の特徴量選択において使用されます。全ての項目を個別に検証すると偽陽性が多発しますが、FDR制御を適用することで、誤検知の割合を一定（例えば5%以下）に保ちながら有望な特徴量を効率的に絞り込むことができます。
似た用語との違い
FDR制御とよく混同される概念としてFWER制御（全般偽陽性率制御）があります。FWER制御は「1つでも偽陽性が発生する確率」を厳しく抑える手法であり、非常に保守的なため偽陰性が増える傾向があります。一方、FDR制御は「有意と判定された中の偽陽性の割合」に着目するため、検出力を高く維持でき、大規模データ分析に適しています。
注意点
FDR制御は偽陽性の割合を制御するものであり、個別の検出結果が100%正しいことを保証するわけではありません。また、各検定間の相関関係（依存構造）によっては、通常のベンジャミーニ・ホッホバーグ法では制御が適切に機能しない場合があるため、前提条件に応じた手法を選択する必要があります。