説明変数

説明変数とは、統計分析や機械学習において、目的変数（予測したい値や結果）に影響を与えるとされる入力データのことです。例えば、住宅価格を予測するモデルであれば、広さ、築年数、最寄り駅からの距離などが説明変数となり、それらを組み合わせて住宅価格（目的変数）を算出します。

モデルの精度を向上させるためには、どの説明変数を選択するかが非常に重要です。目的変数との相関関係が強い変数を選ぶことで予測精度は高まりますが、逆に無関係な変数を含めるとノイズとなり、予測精度を低下させることもあります。また、複数の説明変数が互いに強く相関し合っている場合は多重共線性という問題を引き起こし、モデルの不安定化を招きます。

試験では、目的変数との関係性や、データ分析のモデル構築における役割が問われます。データ分析では、膨大なデータからどの変数が結果に寄与しているかを特定し、不要な変数を除去する処理が行われます。変数の選択はAIの性能を左右する重要なエンジニアリング工程として認識することが必要です。