名義尺度とは、データを分類・区別するための測定尺度の一種であり、順序や数値的な意味を持たないカテゴリカルデータを指します。例えば、性別、血液型、国籍などがこれに該当します。統計学や機械学習においては、分析やモデリングの前にワンホットエンコーディングなどの前処理を施すことが一般的です。
名義尺度とは
名義尺度とは、データの分類や区別のみを目的とした測定尺度であり、数値としての大小関係や順序関係を持たない質的データのことです。
詳しく解説
統計学におけるデータの尺度（測定尺度）には、名義尺度、順序尺度、間隔尺度、比例尺度の4段階があります。名義尺度はその中で最も基本的なレベルに位置し、単に「他と区別するためのラベル」として機能します。例えば、データに「男性 = 1」「女性 = 2」と数値を割り当てたとしても、この「1」と「2」に大小関係や加減乗除といった算術的な意味は存在しません。機械学習やデータサイエンスの文脈では、名義尺度はカテゴリカルデータに分類され、決定木やロジスティック回帰などのモデルに入力する際には、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（符号化）が必要となります。正しく処理しないと、モデルが数値の大小として誤って学習してしまうため、機械学習パイプラインにおいて非常に重要な概念です。
具体例・使われ方
現実世界における名義尺度の具体例としては、血液型（A型、B型、O型、AB型）、都道府県、職業、ウェブサイトのドメイン、製品のカテゴリなどが挙げられます。また、アンケート調査での「はい・いいえ」の回答や、画像認識モデルにおける分類対象のラベル（「犬」「猫」「鳥」など）も名義尺度に該当します。
似た用語との違い
名義尺度と混同されやすい概念として「順序尺度」があります。順序尺度は、名義尺度と同様に質的データですが、「1位、2位、3位」や「大、中、小」のように順序や大小関係に意味があります（ただし、間隔は等しくありません）。さらに「間隔尺度」や「比例尺度」は数値データ（量的データ）であり、四則演算が可能です。名義尺度は、これらの中で唯一、順序や数値的意味が一切排除された単純なカテゴリー分けの尺度です。また、これらはカテゴリカルデータと総称されることもあります。
注意点
名義尺度を機械学習モデルで扱う際の最大の注意点は、適切な前処理を行わずにそのまま数値として入力してしまうことです。例えば、都道府県コード（1〜47）をそのまま数値としてニューラルネットワーク等に学習させると、モデルは「47の沖縄は1の北海道より大きい」と解釈してしまい、不適切な学習が行われます。したがって、ワンホットエンコーディングなどを適用する必要があります。また、名義尺度に対して平均値や中央値を計算することは数学的に意味がありません（代表値としては最頻値のみが意味を持ちます）。