名義変数は、データを分類するためのラベルであり、順序や量的な意味を持たない質的変数のこと。機械学習や統計分析では、性別や都道府県名、血液型などのカテゴリカルデータとして扱われます。数値としての大小比較や加減乗除ができないため、機械学習モデルに入力する際はワンホットエンコーディングなどで数値データへ変換する必要があります。
名義変数とは
名義変数とは、順序関係や数値的な意味を持たず、対象を区別・分類するための名前やラベルとして扱われるデータのことです。
詳しく解説
機械学習や統計学においてデータは大きく量的変数と質的変数に分類されます。名義変数は質的変数の一種であり、値同士に大小関係や優先順位が存在しません。例えば都道府県や血液型、商品のカテゴリなどが該当します。データ管理上で「1: 北海道、2: 東京都」のように数値を割り振ることはできますが、その数値の大小や平均値に意味はありません。多くの機械学習アルゴリズムは数式に基づいて計算を行うため、名義変数をそのまま入力すると誤った学習を行う危険性があります。そのため、事前に行う前処理として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などの手法を用い、モデルが適切に扱える数値表現へと変換することが極めて重要です。
具体例・使われ方
具体例として、血液型（A型、B型、O型、AB型）、居住している都道府県名、顧客の会員種別などが挙げられます。例えば顧客データで血液型を分析に用いる際、「A型=1、B型=2」と表現しても2が1より大きいことを意味しません。そのためワンホットエンコーディングを用いて「A型フラグ（0か1）」「B型フラグ（0か1）」のように独立した列に展開して機械学習に入力します。
似た用語との違い
混同しやすい概念に順序変数があります。順序変数は「満足度（高・中・低）」や「成績順位」のように要素間に順序関係が存在する質的変数ですが、名義変数には並び順の意味すら存在しません。また、離散変数や連続変数は加減乗除や平均値の計算が可能な量的変数であり、単なる識別用ラベルである名義変数とは明確に区別されます。
注意点
名義変数を単に連続した数値（1, 2, 3...）に置き換えて学習させると、モデルが不必要な大小関係や間隔の意味を学習してしまうリスクがあります。また、値の種類（カテゴリ数）が極めて多い名義変数をワンホットエンコーディングすると、列数が膨大になって次元の呪いが引き起こされ、計算コストの増大や予測精度の低下につながる点に注意が必要です。