パーセンタイルとは、データを小さい順に並べたとき全体の何パーセントの位置にあるかを示す統計的指標です。AIや機械学習の分野では、データのばらつきを把握したり、モデルの評価指標や外れ値の検出において広く活用されています。
パーセンタイルとは
一言でいうと、データを小さい順に並べたときに「下から数えて全体の何パーセント目にあたるか」を示す数値のことです。
詳しく解説
パーセンタイルは統計学においてデータの分布を把握するために用いられる重要な指標です。例えば、90パーセンタイルであれば、データを昇順に並べたときに全体の90パーセントのデータがその値以下に含まれていることを意味します。AIや機械学習の前処理やデータ分析の段階では、特徴量の分布を確認したり、極端な値を持つデータを検出するためにこの概念が活用されます。特に大規模なデータセットを扱う際に、データの偏りや傾向を直感的に把握するために欠かせない手法となっています。
具体例・使われ方
AIモデルの性能評価における推論レイテンシ（遅延時間）の測定でよく使われます。例えば、APIの応答速度の95パーセンタイル（p95）や99パーセンタイル（p99）を計算することで、「大半のリクエストがどれくらいの時間で処理されているか」「一部の遅いリクエストがどの程度影響しているか」を正確に評価できます。また、機械学習のデータ前処理において、外れ値の検出やデータのクリッピング（範囲制限）を行う際にもパーセンタイルが利用されます。
似た用語との違い
平均値や中央値としばしば混同されますが、平均値はすべてのデータの総和を個数で割った「中心」の数値であるのに対し、パーセンタイルは「分布の中での位置」を示すものです。中央値はちょうど50パーセントにあたる値（50パーセンタイル）を指すため、パーセンタイルは中央値をより一般化した拡張概念と言えます。
注意点
パーセンタイルはデータの件数が極端に少ない場合には正確な算出が難しくなる点に注意が必要です。また、外れ値の影響をある程度抑えられる利点がある一方で、データ分布の全体像を見落とす可能性もあるため、平均値や標準偏差など他の統計指標と組み合わせて総合的に分析することが重要です。