---
title: "標準化（Standardization）とは？G検定対策"
description: "標準化（Standardization）について、G検定で問われるAI・機械学習分野の観点から、基本的な意味、代表モデル・手法との関係、試験で問われやすい判断軸を整理します。暗記だけでなく、似た概念との混同を避ける見分け方や、選択肢を切るためのポイントも確認します。"
canonical_url: "https://stemtazoo.github.io/gk/standardization/"
section: "gk"
---

## まず結論

* **標準化（Standardization）**とは、入力データを**平均0・分散1**に変換する前処理手法。
* G検定では**白色化・正規化・正則化との違い**を文章問題や選択肢で問われる。

## 直感的な説明

* テストの点数が「0〜100点」「0〜1000点」などバラバラだと、どれが重要か比べにくいですよね。
* 標準化は、

  * データの中心を0にそろえ
  * ばらつき具合を同じにする
* つまり、👉 **特徴量のスケールだけを公平にそろえる処理**です。

## 定義・仕組み

* 標準化とは、各特徴量を

  * 平均が0
  * 分散が1
    になるように変換する操作です。

* 一般に次の変換を行います：

  * （数式は理解不要）平均との差を標準偏差で割る

* **特徴量間の相関はそのまま残る**点が重要です。

## いつ使う？（得意・不得意）

### 使われる場面（得意）

* ニューラルネットワークへの入力前処理
* 勾配降下法を使うモデル（NN・SVM・線形回帰など）
* 特徴量の単位が異なる場合

### 注意点・不得意

* 相関を除去したい場合には不十分（→ 白色化）
* 外れ値の影響を受けやすい

## G検定ひっかけポイント

* よく出る比較：

  * ❌ 正規化：スケーリング全般の総称
  * ❌ 正則化：過学習防止
  * ❌ 白色化：無相関化＋標準化
  * ✅ 標準化：平均0・分散1のみ

* 判断基準：

  * **「平均0・分散1」だけ書いてあれば標準化**
  * **「無相関」という言葉があれば白色化**

## まとめ（試験直前用）

* 標準化＝平均0・分散1にそろえる
* 相関は消えない
* 白色化との違いを必ず意識
* 正則化とは目的が全く違う
* G検定では文章表現の違いで判断する