定常性とは、時系列データの平均や分散が時間経過に依存せず一定である性質のことです。AIモデルや時系列予測において、過去のデータから学習したパターンを将来の予測に安定して適用するために極めて重要な前提条件となります。
定常性とは
一言でいうと、時間が経ってもデータの統計的な性質（平均や分散など）が変わらない安定した状態のことです。
詳しく解説
定常性（Stationarity）は、時系列解析において基本となる重要な概念です。株価や気温、センサーログなどの時系列データは、多くの場合そのままでは時間が経つにつれて平均値が上がったり下がったり（トレンド）、季節による変動を受けたりするため、統計的な性質が変化します。このような非定常なデータに対して、機械学習モデルや統計的予測モデルを直接適用すると、精度の低い予測結果になってしまいます。そのため、差分をとるなどの前処理を行ってデータを定常性に近づけ、モデルが扱いやすい状態に変換することが広く行われます。
具体例・使われ方
例えば、電力需要の予測システムにおいて、日々の気温変化や経済成長による長期的なトレンドを取り除き、年や季節に関わらず一定の確率的ルールに従う変動成分だけを抽出する際に定常性が意識されます。また、音声認識やセンサー異常検知における特徴量抽出の際にも、時系列データの定常性を仮定してモデル設計が行われることがあります。
似た用語との違い
非定常性と対比されます。非定常性データは時間とともに平均や分散が変化するため過去の学習が通用しにくいですが、定常性を持つデータは過去のデータから得られた統計的特徴が将来の予測にもそのまま通用するという違いがあります。
注意点
現実の多くの実世界データは非定常であり、完全に厳密な定常性を満たすデータは稀です。そのため、実務では「弱定常性」という緩やかな条件を仮定して分析を進めることが一般的ですが、無理に定常化処理を行うと本来の重要な情報まで失ってしまうリスクがあるため注意が必要です。