DS検定 用語解説
形態素解析とは
文章を意味を持つ最小単位（形態素）に分割し、それぞれの品詞などを特定する自然言語処理の基礎的な処理。係り受け解析など、より高度な解析の前段として使われる。
まず押さえる結論
形態素解析は、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 / モデル化・評価
「教師あり学習」と「教師なし学習」の違いとして最も適切な説明はどれか。
正解は「教師あり学習は正解データ（ラベル）を用い、教師なし学習は用いない」である。教師あり学習は入力と正解ラベルの対応関係から学習し、単回帰分析や重回帰分析のような回帰、ロジスティック回帰分析のような分類のいずれも扱う。教師なし学習はラベルを用いず、クラスター分析のようにデータの構造やまとまりを見つける。「教師あり学習は必ず回帰、教師なし学習は必ず分類を行う」は、教師あり学習にロジスティック回帰分析のような分類も含まれる点を無視している。「教師あり学習と教師なし学習に違いはない」は、正解ラベルを使うかどうかという最も基本的な違いを否定してしまっている。「教師なし学習の方が必ず精度が高い」は、正解ラベルなしで学習する教師なし学習と、ラベルを使って学習する教師あり学習の精度を単純に比較できるという前提が誤りである。
第5章 データ準備・可視化技法とモデル化 / モデル化・評価
決定木をベースとしたアンサンブル学習の手法として当てはまらないものはどれか。
正解は「ホールドアウト法」である。Random Forestは複数の決定木の多数決・平均を取る手法、XGBoostとLightGBMは決定木を順に追加していく勾配ブースティング（GBDT）の実装であり、いずれも決定木を組み合わせて予測精度を高めるアンサンブル学習の手法である。ホールドアウト法はデータを学習用と評価用に分割してモデルの性能を検証する手法であり、決定木を組み合わせて予測するアンサンブル学習の手法ではない。3つが「複数の決定木をどう組み合わせて予測するか」という同じ問いに答える手法である一方、ホールドアウト法は「学習したモデルをどう評価するか」という別の問いに答える手法であり、単独で異なる役割を持つ。
第5章 データ準備・可視化技法とモデル化 / 非構造化データ処理
自然言語処理において、文章から主語・述語などの関係を解析する処理として正しいものはどれか。
正解は「係り受け解析」である。係り受け解析は、文中の語句がどの語句を修飾しているか、主語と述語がどう結び付くかといった文の構造を解析する処理である。「画像セグメンテーション」は画像を意味のある領域に分割する画像認識分野の処理であり、対象が文章ではなく画像である。「サンプリングレート変換」は音声データのサンプリングレートを変更する音声処理であり、対象が文章ではなく音声データである。「正規化」はデータの形式や尺度をそろえる処理を指す語であり、文中の主語・述語の関係という構文構造そのものを解析する処理ではない。いずれも対象とするデータの種類か、扱う処理の内容が設問の条件と異なる。
同じ章で確認したい用語
到達チェック
- 形態素解析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、形態素解析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）