---
title: "TF-IDFとは？【単語の重要度指標｜G検定対策】"
description: "TF-IDFは、文書内での出現頻度TFと、文書集合での珍しさIDFを掛け、単語の重要度を数値化する手法です。どの文書にも現れる語の重みが下がる仕組みと、語の意味を学習するWord2Vecとの違いをG検定向けに整理します。"
last_modified_at: "2026-06-28"
canonical_url: "https://stemtazoo.github.io/gk/tf-idf/"
section: "gk"
---

## まず結論
- **TF-IDF**とは、文書中の単語が「その文書にとってどれだけ重要か」を数値化する手法である。
- G検定では「**頻度が高いだけでは重要とは限らない**」という考え方を理解しているかが問われる。

## 直感的な説明
TF-IDFは、  
**「その文章ではよく出るけど、他ではあまり出ない単語ほど重要」**  
と考える方法です。

たとえば、
- 「今日」「これ」「する」  
  → どの文章にも出てくる → あまり重要でない  
- 「畳み込み」「勾配降下法」  
  → 特定の文章でだけ出る → 重要  

👉 **珍しさ × その文章での頻度** がポイント。

## 定義・仕組み
TF-IDF は、次の2つを掛け合わせた値。

### TF（Term Frequency）
- ある文書の中で、その単語がどれくらい出現するか
- 文書内での **頻度**

👉 文書内でよく出る単語ほど大きい

---

### IDF（Inverse Document Frequency）
- その単語が **どれくらい多くの文書に出てくるか** の逆数
- 多くの文書に出る単語ほど小さくなる

👉 **どこにでもある単語の重要度を下げる**

---

### TF-IDF
- **TF × IDF**
- 文書に特徴的な単語ほど値が大きくなる

## いつ使う？（得意・不得意）
### 得意な場面
- 文書分類
- 情報検索
- 特徴量として文章を数値化したいとき

### 不得意・注意点
- 単語の意味や文脈は理解しない
- 同義語・語順は考慮できない
- BERTなどの分散表現とは役割が異なる

## G検定ひっかけポイント
ここが頻出 👇

### ❌ 出現頻度が高い単語ほど重要
- **誤り**
- 重要なのは「文書内では多いが、他では少ない」

### ❌ 単語の意味を理解している
- **誤り**
- TF-IDFは統計的手法であり、意味理解はしない

### ⭕ 正しい判断基準
- 「頻度」→ TF
- 「珍しさ」→ IDF
- 「重要度」→ TF-IDF

### Word2Vecとの違い
- TF-IDF：頻度ベース
- Word2Vec：意味ベース

より広い比較は、[TF-IDF・Word2Vec・BERTの違い](https://stemtazoo.github.io/gk/tfidf-word2vec-bert/)で確認できます。

## まとめ（試験直前用）
- TF-IDF＝単語の重要度指標
- TF：文書内の頻度
- IDF：文書全体での珍しさ
- 意味理解はしない
- 「珍しい重要語を強調」する手法