DS検定 用語解説
標準化とは
各データから平均を引き標準偏差で割り、尺度をそろえて比較しやすくする処理。
まず押さえる結論
標準化は、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。
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
訓練データに過剰に適合し、未知のデータへの予測性能が下がってしまう現象の名称として正しいものはどれか。
正解は「過学習」である。過学習は、訓練データの細かな癖やノイズまで覚えてしまい、未知データに対する汎化性能が下がる現象を指す。標準化は数値スケールをそろえる前処理、交差検証は性能評価の方法、次元の呪いは高次元データで学習や距離の扱いが難しくなる別問題である。 選択肢を切るときは、設問の条件を「過学習」「次元の呪い」「標準化」のどれに結び付けるかを先に固定する。「次元の呪い」、「標準化」、「交差検証」は名称が近い、または同じ分野に見える場合があるが、対象・役割・前提が設問文とずれる。正解の「過学習」は、問われている定義や状況に最も直接対応する点で選べる。
第5章 データ準備・可視化技法とモデル化 / データ準備
モデルに入力する数値特徴量のスケールをそろえる前処理として最も適切なものはどれか。
正解は「標準化」である。標準化は、数値特徴量の平均やばらつきをそろえ、スケールの違いがモデル学習に与える影響を抑える前処理である。帰無仮説は検定、公開鍵暗号化方式はセキュリティ、データポータビリティは個人情報に関する制度論点であり、特徴量のスケール調整ではない。 選択肢を切るときは、設問の条件を「標準化」「特徴量エンジニアリング」「スケーリング」のどれに結び付けるかを先に固定する。「帰無仮説」、「公開鍵暗号化方式」、「データポータビリティ」は名称が近い、または同じ分野に見える場合があるが、対象・役割・前提が設問文とずれる。正解の「標準化」は、問われている定義や状況に最も直接対応する点で選べる。
同じ章で確認したい用語
到達チェック
- 標準化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、標準化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