機械学習 データ分析の必須知識！標準化とは？
- データの尺度を揃える標準化異なる性質のデータ、例えば商品の売上高と顧客満足度を扱う場合を考えてみましょう。売上高は金額で、顧客満足度は5段階評価といったように、それぞれのデータは異なる尺度を持っています。このようなデータをそのまま分析にかけると、データの持つ意味合いとは関係なく、単純に数値の大小が結果に影響してしまうことがあります。例えば、売上高が顧客満足度よりも数値的に大きいため、売上高が分析結果に過剰に影響を及ぼしてしまうかもしれません。このような問題を避けるために、データ分析を行う前にデータの尺度を揃える「標準化」という手法がよく用いられます。標準化を行うことで、異なる尺度を持つデータを共通の尺度に変換することができます。標準化には、データの平均を0、標準偏差を1にする「標準化（Z得点化）」がよく用いられます。標準化を行うことで、売上高と顧客満足度のように、本来は比較することが難しいデータを同じ土俵に乗せて比較分析することが可能になります。標準化は、データ分析を行う上で非常に重要な手法の一つであり、データ分析の結果の信頼性を高めるために欠かせないプロセスと言えるでしょう。
