エンコーディングとは？カテゴリ変数を数値化する理由【DS検定】

DS検定トップ＞エンコーディングとは？カテゴリ変数を数値化する理由【DS検定】

まず結論

エンコーディングとは、カテゴリデータを数値に変換する前処理です。

DS検定では、機械学習アルゴリズムは文字データをそのまま扱いにくいため、カテゴリ変数を数値化する必要があるという理解が重要です。

直感的な説明

例えば次のようなデータがあるとします。

顧客ID	購入商品
1	りんご
2	みかん
3	りんご

人間はこれを見て意味を理解できますが、機械学習モデルでは、このようなカテゴリを数値として扱える形に変換する必要があります。

例えば、次のように対応づけます。

りんご → 1
みかん → 2

このように、カテゴリ（分類）データを数値に変換する処理を エンコーディング（encoding） と呼びます。

定義・仕組み

エンコーディングとは、カテゴリ変数を機械学習で扱える数値データに変換する処理です。

対象になるのは、例えば次のようなデータです。

性別
商品カテゴリ
地域

代表的な方法は次の2つです。

ラベルエンコーディング（Label Encoding）

カテゴリを整数に変換する方法です。

商品	変換後
りんご	1
みかん	2
ぶどう	3

ワンホットエンコーディング（One-Hot Encoding）

カテゴリごとに列を作る方法です。

商品	りんご	みかん	ぶどう
りんご	1	0	0
みかん	0	1	0

どんな場面で使う？

① 機械学習モデルを作るとき

分類モデルや回帰モデルでカテゴリ変数を特徴量として使う場合に、数値へ変換します。

例えば、

商品カテゴリ
地域
職業

などが対象です。

② データ前処理（preprocessing）

エンコーディングは、次のような処理と並ぶ代表的な前処理です。

欠損値処理
正規化
スケーリング
カテゴリ変数のエンコーディング

DS検定では、「カテゴリ変数の処理」として出題されることが多いです。

よくある誤解・混同

① マッピング処理との混同

用語	意味
マッピング	値を別の値に対応づけて置き換える
エンコーディング	カテゴリを数値化する

エンコーディングは、値を対応づけて変換するという意味ではマッピングの一種と考えられます。

② ラベルエンコーディングの誤解

例えば、

りんご → 1
みかん → 2
ぶどう → 3

とすると、数値の大小関係が意味を持つように見えてしまうことがあります。

そのため、順序がないカテゴリではワンホットエンコーディングが適する場合があるという点を押さえておきましょう。

③ 数値データとの混同

選択肢では次のような誤りに注意します。

❌ エンコーディング = 数値データを変換する処理
⭕ エンコーディング = カテゴリデータを数値化する処理

まとめ（試験直前用）

エンコーディング = カテゴリ変数を数値化する処理
機械学習でカテゴリ変数を扱うために使う
代表例はラベルエンコーディングとワンホットエンコーディング
順序のないカテゴリでは、数値の大小を持ち込まないよう注意する

DS検定では、「カテゴリ変数を数値に変換する処理」と書かれていたら、エンコーディングを疑うのが判断基準です。

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