カテゴリ変数とは？数値データとの違いを整理【DS検定】

DS検定トップ＞カテゴリ変数とは？数値データとの違いを整理【DS検定】

まず結論

カテゴリ変数とは、数値ではなく「分類（カテゴリー）」を表すデータです。

DS検定では、見た目が数字でもカテゴリを表している場合があることと、機械学習で使うときにはエンコーディングが必要になる点を切り分けて理解することが重要です。

直感的な説明

例えば次のようなデータがあります。

顧客	性別
A	男性
B	女性
C	男性

この「男性」「女性」は数値ではなく、グループ（分類）を表しています。

カテゴリ変数の例には次のようなものがあります。

性別
商品カテゴリ
都道府県
職業

このような分類を表すデータを カテゴリ変数（categorical variable） と呼びます。

定義・仕組み

カテゴリ変数とは、値がカテゴリ（分類）として意味を持つ変数です。

データは大きく次のように整理できます。

データの種類	例
数値変数	年齢、売上、温度
カテゴリ変数	性別、地域、商品カテゴリ

数値変数

数値そのものに量としての意味があり、例えば次のような計算ができます。

差を求める
平均を求める

カテゴリ変数

分類を表すことが目的で、単純な数値計算には向きません。

グループを区別する
カテゴリごとに集計する
機械学習では必要に応じてエンコーディングする

どんな場面で使う？

① データ分析

カテゴリ変数は、グループごとに比較したいときによく使われます。

例えば、

性別ごとの売上
地域ごとの利用率
商品カテゴリ別の人気

などです。

② 機械学習

機械学習では、次のようなカテゴリ変数を特徴量として使うことがあります。

商品カテゴリ
ユーザータイプ
地域

モデルで扱える形にするため、必要に応じてエンコーディングで数値化します。

よくある誤解・混同

① 数値データとの混同

例えば次のような満足度データがあるとします。

満足度コード	意味
1	低
2	中
3	高

数字で表されていますが、ここでの 1・2・3 は単なる量ではなく、カテゴリを表すコードです。

つまり、数値に見えても、その数値が何を表しているかで判断する必要があります。

DS検定ではこの切り分けが重要です。

② ラベルエンコーディングとの混同

ラベルエンコーディングは、カテゴリ変数そのものではなく、カテゴリ変数を数値に変換する方法です。

カテゴリ変数 → エンコーディング → 数値で表現されたデータ

という関係で整理すると混同しにくくなります。

③ 順序カテゴリとの違い

カテゴリ変数には、順序を持たないものと順序を持つものがあります。

種類	例	順序
名義尺度	性別、血液型	なし
順序尺度	満足度、高・中・低	あり

DS検定では、順番の意味があるかどうかを確認して選択肢を切ります。

まとめ（試験直前用）

カテゴリ変数 = 分類を表すデータ
性別、地域、商品カテゴリなどが代表例
数字で表されていても、カテゴリを示すコードならカテゴリ変数の場合がある
機械学習では必要に応じてエンコーディングする
順序の有無にも注意する

DS検定では、「分類を表しているのか、量そのものを表しているのか」を見ると判断しやすくなります。

対応スキル項目（データサイエンス力シート）

データ理解・前処理
データ加工
★ データの前処理（欠損値処理、正規化、カテゴリ変数の処理など）を理解している

🔗 関連記事

🏠 DS検定トップに戻る