サンプルサイズとは、統計学や機械学習において、1回の調査や実験で収集された標本（サンプル）に含まれるデータ全体の個数のことです。データの「件数」や「N数」とも呼ばれ、モデルの予測精度や信頼性を左右する重要な指標です。サンプルサイズが小さすぎると過学習のリスクが高まり、大きすぎると計算コストが増大するため、適切な設計が求められます。
サンプルサイズとは
サンプルサイズとは、統計分析や機械学習において、1つの標本（サンプル）の中に含まれるデータの個数（観測値の数）のことです。一般に「N」や「n」という記号で表記され、データの「件数」を意味します。
詳しく解説
データ分析や機械学習において、分析対象となるグループ全体を母集団と呼び、そこから実際に抽出して解析するデータを標本（サンプル）と呼びます。この標本に含まれる具体的なデータポイント（行数やレコード数）の数がサンプルサイズです。サンプルサイズは、AIモデルの性能や分析の信頼性に直接影響を与えます。サンプルサイズが不十分な場合、モデルが偏ったデータのみを学習してしまい、未知のデータに対して正しく予測できなくなる過学習が発生しやすくなります。逆に、必要以上にサンプルサイズを大きくすると、計算リソースやコストが無駄になります。そのため、十分な統計的有意差を検出し、高精度な学習モデルを構築するためには、適切なサンプルサイズの設計が重要です。
具体例・使われ方
例えば、ある画像認識AIの開発において、猫の画像を1万枚集めて訓練データとした場合、この「1万」という画像枚数がサンプルサイズにあたります。また、Webサービスの改善効果を検証するA/Bテストにおいて、Aパターンに500人、Bパターンに500人のユーザーデータを割り当てて比較する場合、各グループのサンプルサイズは500となります。
似た用語との違い
最も混同されやすい言葉に「サンプル数（標本数）」があります。「サンプルサイズ」が1つのグループに含まれる「データの個数」を指すのに対し、「サンプル数」は「集めたグループ（標本）の数」そのものを指します。例えば、「全国の高校からランダムに5校を選び（サンプル数＝5）、各校から100人ずつの生徒の訓練データを集めた（サンプルサイズ＝100）」という違いになります。機械学習の文脈でも、データの個数を表す際は「サンプル数」ではなく「サンプルサイズ」と呼ぶのが学術的に正確です。
注意点
サンプルサイズが大きければ大きいほど、必ずしもAIモデルの精度が向上するわけではありません。データの質が低く、ノイズや偏りが大きい場合、いくらサンプルサイズを増やしても偏ったモデルが学習されるだけです。また、過剰に大きなサンプルサイズは、実用性のないほど微小な差であっても統計的有意差として検出してしまう「巨大サンプルの罠」を引き起こすことがあります。データ収集の際は、量だけでなくデータの質も考慮する必要があります。