テーブルとは、データを行（レコード）と列（カラム）の格子状で整理した構造化データのことです。機械学習やデータ分析における最も基本的なデータ表現形式であり、各行が1つのデータ点（サンプル）を、各列が特徴量を表します。表形式データとも呼ばれ、予測モデルの学習やデータベース管理において極めて重要な役割を果たします。
テーブルとは
テーブルとは、情報を縦の「列（カラム）」と横の「行（レコード）」が交差する格子状の形式で整理した「構造化データ」のことです。AIや機械学習の領域では、モデルを訓練するための最も一般的かつ基本となるデータ表現フォーマットです。
詳しく解説
AIやデータ分析において、テーブルは「構造化データ」を代表する表現方法です。テーブル内の各「行」は、個々の観測対象（例えば1人の顧客や、1回分の取引履歴）を表す「レコード」または「サンプル」と呼ばれます。一方、各「列」は、その観測対象が持つ属性や情報（年齢、購買金額、日付など）を表す「特徴量」または「変数」として機能します。伝統的な機械学習アルゴリズム（決定木、ランダムフォレスト、XGBoostなどの勾配ブースティング木）は、テーブル形式のデータを入力として受け取るように設計されています。データのクリーニングや欠損値処理などの「データ前処理」を経て、テーブルが綺麗に整えられることで、AIモデルの予測精度が向上します。また、関係データベース（RDB）などで管理されるデータの多くがテーブル形式であるため、ビジネス応用における親和性が非常に高いという重要性があります。
具体例・使われ方
例えば、顧客の解約予測を行うAIモデルを開発する場合、以下のようなテーブルを作成します。行（レコード）：各顧客（顧客A、顧客B、顧客C...）列（特徴量）：契約期間、月額料金、サポートへの問い合わせ回数、そして予測対象となる「解約の有無（ターゲット）」このように整理されたテーブルを機械学習モデルに入力することで、どの特徴量が解約に強く影響しているかを分析し、未来の顧客の行動を予測することが可能になります。
似た用語との違い
テーブル（構造化データ）と混同されやすい概念に、「非構造化データ」があります。非構造化データには、画像、音声、自然言語のテキスト、動画などが含まれます。テーブルはあらかじめ決められたスキーマ（列の定義や型）に従って整然と配置されているのに対し、非構造化データは決まった規則や枠組みを持たないデータです。ディープラーニングの発展により非構造化データの処理能力は飛躍的に向上しましたが、業務システムや意思決定の現場においては、依然としてテーブル（表形式データ）の解析がAI活用の主流を占めています。
注意点
テーブルを扱う上での注意点は、現実世界の複雑な関係性をすべてフラットな2次元の表に押し込めることが難しい点です。例えば、人間関係のネットワークや時系列の複雑な依存関係などは、単純なテーブル形式では表現しきれず、情報が損なわれることがあります。また、テーブル内に「欠損値」や「外れ値」が多数含まれている場合、適切な「データ前処理」を行わずに機械学習モデルに投入すると、モデルの学習が阻害されたり、著しく精度の低い予測結果が出力されたりする原因になります。