DS検定 用語解説
スケーリングとは
特徴量の値の大きさや範囲をそろえ、比較や学習をしやすくする変換。
まず押さえる結論
スケーリングは、DS検定の「第5章 データ準備・可視化技法とモデル化」で確認しておきたい用語です。定義だけでなく、どの場面で使う言葉か、何と混同しやすいか、問題文のどの表現で判断するかまで確認します。
情報源と編集区分
公式範囲を確認し、具体例・誤答例・判断手順は当サイトが編集。 一次情報確認日: 2026-07-12。
試験概要（公式）試験での問われ方
定義の言い換え
用語そのものではなく、説明文の一部を言い換えて出されることがあります。
似た概念との比較
同じ章の用語と入れ替えた選択肢に注意します。対象、目的、使う場面を分けます。
具体例からの判断
問題文の事例が、定義のどの部分に対応しているかを先に確認します。
誤答しやすいポイント
×標本誤差とサンプリングバイアスの混同。標本誤差は標本抽出に伴う偶然のばらつき、サンプリングバイアスは抽出方法の偏りによる系統的な誤差。
×過学習を『精度が高いこと』と誤解する。訓練データに過剰適合し未知データへの汎化性能が下がる問題として理解する必要がある。
×Precision（適合率）とRecall（再現率）の取り違え。目的（見逃しを減らしたいか、誤検知を減らしたいか）によって重視する指標が変わる。
関連する確認問題
第5章 データ準備・可視化技法とモデル化 / データ準備
元のデータからモデルの予測に役立つ新たな変数や表現を作る取り組みとして最も適切なものはどれか。
正解は「特徴量エンジニアリング」である。特徴量エンジニアリングは元のデータから、モデルの予測に役立つ新たな変数や表現を作る取り組みを指す。標準化やスケーリングは数値の尺度を整える変換であり、必ずしも新しい情報を持つ変数を作ることを意味しない。外れ値は統計的に極端な値を指す語であり、データから変数を設計する作業の名称ではない。設問では値の大きさを調整する処理か、極端な値を見つけることか、予測の材料となる表現を設計することかを区別する。したがって特徴量エンジニアリングを選ぶ。
第5章 データ準備・可視化技法とモデル化 / データ準備
カテゴリを表す値を、モデルが扱える数値の列として表現するために用いる変数はどれか。
正解は「ダミー変数」である。ダミー変数は、カテゴリを表す値を、通常は0や1などの数値の列として表現するために使う。外れ値は分布の中で極端に離れた値、対数変換は数値へ対数を適用する変換、スケーリングは数値の範囲や尺度を調整する処理である。いずれもカテゴリを列へ展開してモデル入力へ渡す役割とは異なる。設問では、元の値が数値かカテゴリかをまず判別し、カテゴリを数値表現へ変える処理を問うている。列の値が示すカテゴリと基準となるカテゴリを区別して設計することも、解釈を誤らないために重要である。したがってダミー変数を選ぶ。
同じ章で確認したい用語
到達チェック
- スケーリングを一文で説明できる
- 同じ章の似た用語と違いを説明できる
- 問題文の具体例から、スケーリングに関係する論点を拾える
- 関連問題を解き、誤答した選択肢の理由を確認できる
執筆: ミナト編集部（運営者情報を見る）