zスコア法とは？異常値判定の基本を整理【DS検定リテラシー】

DS検定トップ＞ zスコア法とは？異常値判定の基本を整理【DS検定リテラシー】

まず結論

zスコア法とは、「平均との差がどれくらい離れているか」を基準にしてデータの異常値を判断する方法です。

DS検定では、「外れ値の判定方法はどれか？」という形で問われることが多く、
クラスタリングや分類手法と混同しないことがポイントです。

直感的な説明

たとえば、ある会社の社員の身長データがあるとします。

平均：170cm
多くの人は165〜175cmくらい

ここに「195cm」の人がいたらどうでしょうか？

「ちょっと離れすぎているな」と感じますよね。

zスコア法は、この
“平均からどれだけ離れているか”を、データのばらつき（標準偏差）で割って数値化する方法です。

つまり、

「平均との差を、データ全体のばらつきで割って標準化する」

という考え方です。

定義・仕組み

zスコアとは、

（データ − 平均） ÷ 標準偏差

で求められる値です。

ここで大事なのは「式」ではなく意味です。

平均からどれくらい離れているか
それが“普通のばらつきの範囲内かどうか”

を判断するための指標です。

一般的には、

zスコアが ±2〜±3を超える
→ 外れ値（異常値）の可能性がある

と判断されることが多いです。

DS検定では、
「外れ値を検出する代表的な手法」として問われます。

どんな場面で使う？

✔ 使う場面

データクレンジングで異常値を除去したいとき
センサーデータの異常検知
売上やアクセス数の急激な変化の検出

✔ 注意が必要な場面

データが極端に偏っている場合（正規分布でない）
外れ値がすでに平均を大きく歪めている場合

zスコア法は
「平均と標準偏差」が意味を持つ分布であることが前提です。

よくある誤解・混同

❌ k平均法との混同

DS検定では、

「異常値判定」→ zスコア法
「クラスタリング」→ k平均法

を混同させてくることがあります。

k平均法はグループ分けであって、
基本目的は外れ値検出ではありません。

❌ 決定木やSVMとの混同

決定木分析やサポートベクターマシンは
分類モデルです。

選択肢では
「機械学習モデル」が並んでいたら注意。

zスコア法は
統計的な前処理手法です。

❌ 標準化（スケーリング）との混同

zスコアは「標準化」にも使われます。

しかし、

標準化 → モデル学習のためのスケーリング
zスコア法 → 外れ値判定

と、目的が違う点に注意です。

DS検定ではここを狙われます。

まとめ（試験直前用）

zスコア法＝平均との差を標準偏差で割った指標
±2〜±3を超えると外れ値の可能性
分類モデルではない（前処理）
DS検定では「外れ値判定」として問われやすい
クラスタリングや決定木と混同しない

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
データの前処理
★ データの前処理（外れ値処理、欠損値処理など）を理解している

🔗 関連記事

🏠 DS検定トップに戻る