量的変数とは、数値として測定・集計が可能で、足し算や平均値の計算に意味があるデータを指します。身長や体重、売上高、気温などが該当し、データ分析や機械学習において重要です。連続的な値をとる連続変数と、個数など飛んで存在する離散変数に分けられ、予測モデルの特徴量や評価指標として広く活用されています。
量的変数とは
量的変数とは、一言でいうと「数値として測定でき、足し算や平均の計算に意味があるデータ」のことです。
詳しく解説
量的変数は統計学や機械学習におけるデータ形式の基礎であり、数値データの性質を示します。量的変数はさらに「離散変数」（商品個数やアクセス数など整数値をとるもの）と「連続変数」（身長、時間、温度など小数を含む連続的な値をとるもの）に分類されます。機械学習モデル（特に回帰分析やニューラルネットワーク）の入力データ（特徴量）や出力データ（目的変数）として直接利用しやすく、平均値や標準偏差などの統計量を簡単に算出できるため、データの前処理や特徴量エンジニアリングにおいて極めて重要です。
具体例・使われ方
例えば、不動産価格予測における「部屋の面積」や「築年数」、ECサイトにおける「商品の購買金額」や「顧客の年齢」などが量的変数に該当します。これらの数値は、AIモデルが傾向を学習するための特徴量として入力され、目的変数である「将来の売上額」などを予測する際に使われます。
似た用語との違い
質的変数との違いが重要です。質的変数は「血液型」や「性別」、「都道府県名」のように分類やカテゴリを表すデータであり、平均値の計算に意味を持ちません。一方、量的変数は数値そのものに意味があり、加減乗除などの算術計算が可能です。ただし、顧客IDのように数字で表記されていても大小関係や計算に意味がないものは質的変数に分類されるため注意が必要です。
注意点
量的変数をAIモデルに入力する際は、データのスケール（単位の大きさ）に注意が必要です。例えば「年齢」と「年収」をそのまま機械学習アルゴリズムに入力すると、数値の大きい特徴量が不当に強く影響することがあります。そのため、標準化や正規化といったスケーリングを行うことが重要です。また、外れ値が存在すると平均値やモデルの予測精度が大きく歪む点にも注意が必要です。