問題 No.2526
機械学習におけるデータの前処理や特徴量エンジニアリングの文脈において、データセット内の個々のサンプルが持つ、年齢や性別、価格などの具体的な測定値や性質を表す個別の項目を指す言葉として、最も適切なものはどれか。
【正解の解説】
属性
属性は、Excelの表における「列（カラム）」に相当するものです。例えば、人を表すデータであれば「年齢」「身長」「職業」といった縦の項目の一つひとつが属性に該当します。人間を観察するときに「どんな特徴を持っているか」という個別の視点を指す言葉であり、機械学習ではモデルに学習させるための重要な情報（特徴量）の源泉となります。
スポンサーリンク
【その他の選択肢の解説】
ラベル
ラベルは、データの項目そのものではなく「このデータが何であるか」という正解の札を意味します。例えば迷惑メール判定であれば「スパムか否か」という結果のことであり、データの性質を表す「属性」とは意味が異なります。初学者はデータの特徴項目と正解ラベルを混同しやすいため、問題文が「項目のこと」を聞いているのか「正解のこと」を聞いているのかを区別することが重要です。
インスタンス
インスタンスは列ではなく、Excelの表における「行（レコード）」に相当するものです。例えば「30歳・男性・会社員」という1人分のデータ全体の塊が1つのインスタンスとなります。個々の項目や性質を指す「属性」とは縦と横の関係になり、データの全体像を把握する上で属性とインスタンスの概念の区別は試験でも頻出のポイントとなります。
次元数
次元数は個別の性質を表すものではなく、その性質がいくつあるかという「項目の個数（列の数）」を指します。例えば、年齢と性別と価格の3つの属性を持つデータであれば、次元数は3となります。「個別の性質」を聞かれているのか「その数」を聞かれているのかという出題者の罠を見抜く必要があります。