カテゴリ変数とは

カテゴリ変数とは、血液型や都道府県、性別のように、数値ではなく「種類・区分」で表されるデータの項目のことです。身長や売上のように大小を測る数値データと対になる考え方で、機械学習では、こうした区分も特徴量の一つとして扱います。

数値データとの違いと扱い方

カテゴリ変数には、色や名前のように順序がないものと、学歴（高校・学士・修士）のように順序があるものがあります。注意したいのは、郵便番号や背番号のように数字で書かれていても、足し引きに意味がなければカテゴリ変数だという点です。多くのAIは数値しか計算できないため、カテゴリ変数はそのままでは使えず、数字へ置き換える前処理が必要になります。

カテゴリ変数に関するよくある質問

数値データとは何が違うのですか？

身長や売上のように大小を測るのが数値データ、血液型や都道府県のように「種類・区分」で表すのがカテゴリ変数です。注意したいのは、郵便番号や背番号のように数字で書かれていても、足し引きに意味がなければカテゴリ変数だという点です。

カテゴリ変数はそのままAIに使えるのですか？

使えません。多くのAIは数値しか計算できないため、数字へ置き換える前処理が必要です。よく使われるのが「東京なら1・それ以外は0」という列を区分の数だけ作る方法（ワンホットエンコーディング）で、言葉のラベルをAIが読める“0と1の地図”に変換します。