DS検定用語解説

特徴量エンジニアリングとは

モデルの学習に役立つ特徴量を、既存データから作成・変換・選択すること。

まず押さえる結論

特徴量エンジニアリングは、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。

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。

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。

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。

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。

×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。

執筆: ミナト編集部（運営者情報を見る）