知識 · AI基礎

特徴量エンジニアリング

Feature Engineering

📂AI基礎⏱読了2分📊発展🔗関連2

特徴量エンジニアリングとは?

一行定義
元データをモデルがうまく学習できるよう有用な入力変数(特徴量)に加工する作業。「良い材料の下ごしらえ」。
このテーマを社内研修で📚 関連研修💬 研修のお問い合わせ
⚡ 3行要約
  • 元データを有用な入力変数に加工
  • 「良い材料の下ごしらえ」
  • 従来のML性能を左右

特徴量エンジニアリングが実際に変えるのは、モデルの性能の数値そのものではなく、問題の難易度そのものです。同じアルゴリズムに同じテーブルを入れても、列が「加入日 2021-03-14」のままのときと、「加入後経過412日、直近30日の注文0件」に変わったときでは、モデルが解くべき問題はまったく別の問題になります。正解と入力のあいだの距離を縮める作業なので、ハイパーパラメータを調整して0.5%ポイントを絞り出すより、派生変数を1つきちんと作るほうが成果が大きい場合が多いです。手順の面でもどのモデルを使うかを選ぶ前に終えるべき作業です。

実務では大きく4つに分けて見るのが一般的です。スケールを揃える変換(対数・正規化)、元データを組み合わせて新しい列を作る派生(直近90日の合計、前月比の増減率)、カテゴリを数値に変換するエンコーディング(ワンホット・ターゲットエンコーディング)、役に立たない列を取り除く選択です。このうちエンコーディングは一意値の数が鍵で、商品コードのように値が数千ある列をワンホットで展開すると列が急増し、学習が遅くなり過学習を招きます。社内システムから抽出した表形式データでは、「ディープラーニングが特徴量を自動で学習する」という話はあまり当てはまらず、ブースティング系モデルと手作業の派生変数の組み合わせが依然として基本です。ピクセルや波形のように元データ自体が密な信号である領域とは区別して考える必要があります。

現場で最も頻繁に起きる事故はデータリークです。離脱予測モデルに「解約理由コード」や「違約金請求額」を入れると検証精度は0.95まで跳ね上がりますが、その値は顧客が解約した後にようやく埋まる列なので、運用環境では常に空欄のままです。学習データ全体の平均で正規化してから学習・検証に分けるのも同じ種類の汚染です。運用時点で実際に計算される値かどうかを列ごとに検討する手順がないと、パイロットでは問題なかったモデルがデプロイの第1週に崩れます。もう一つ、作れば作るほど良いと考えて特徴量を500個も注ぎ込むケースがありますが、再現できない前処理コードが積み重なると、担当者が変わった瞬間に誰も手をつけられない負担になります。

この用語が登場する研修 · AI・DX
おすすめ研修 · おすすめ講師 · 簡易見積もり
🧮 ミニ見積もり・講師料の基準
約120万ウォン(約14万円)特別講義 2時間 · 20名以下 · 韓国語
この条件で正式な見積もりを依頼 →
💡 かんたんに言うと
料理で食材をよく下ごしらえすること。同じデータでも、どう磨き上げるかで結果が変わります。
実務でなぜ重要なのか
'良いデータが良いモデルを作る'の核心です。特徴量の質がモデル性能を大きく左右します。
由来と出典

従来の機械学習における中核的な実務で、データ準備と表現の重要性から確立されてきました。

事例で理解する

仮想の事例で見てみましょう。役職員210名、年売上900億ウォン(約1,076,310万円)台の食品定期購読A社は、月間の解約率が6.8%から9.2%に上がり、6カ月たっても改善しませんでした。データチームが離脱予測モデルを2回回しましたが、精度は60%台にとどまり、代表は「モデルを変えてみろ」と指示しました。チームはモデルはそのままに、8週間入力データを組み直す方向を選びました。

  1. キム課長は元のテーブルの42列を並べ、「この中で解約当日以降に値が入る列はどれか」とまず尋ね、返金処理日や解約理由コードなど7つを漏えい候補として除外しました。
  2. マーケティングのイ・チーム長は、CS相談ログから「配送遅延」を含む問い合わせ件数を直近30日と90日の2区間で集計し、顧客別の不満の累積特徴量を4つ新たに設計しました。
  3. 定期購読商品のコード1,800余りは、ワンホット化せずにカテゴリ12個と価格帯5区間にまとめ、入力列数を1,800個から17個に減らしました。
  4. 注文周期を「平均再購入間隔に対する今回の間隔の倍数」に変えたところ、平常時の1.8倍を超えた顧客群で解約率が残りの3倍に表れました。
  5. デプロイ直前、キム課長は早朝バッチで実際に値が生成される列かどうかを一つずつ確認し、さらに2つを除外しました。「パイロットでしか動かない列は使わない」がチームの基準でした。
  6. モデルは変えずに特徴量だけ変えたところ、離脱予測の精度が61%から78%に上がり、上位10%の顧客向けクーポンの解約防止率が12%から27%に改善しました。
関連用語
この用語に関連する研修
📚エージェントAI実務入門ナヌム経営コンサルティング 企業研修 · 対面/オンラインコースを見る →
このテーマで社内研修が必要でしょうか?
ご担当者さま向けの研修プログラム・お見積もりを、すぐにご覧いただけます。
研修のお問い合わせ
最終更新 2026-09-13 · 監修 金鍾赫

よくある質問

モデルが同じでも入力特徴量の質によって性能が大きく変わるからです。「材料の下ごしらえ」に当たります。
ディープラーニングは特徴量を自ら学習する傾向があるため必要性は低いですが、良いデータの準備は依然として重要です。
モデルが同じでも入力特徴量の質によって性能は大きく変わります。「材料の下ごしらえ」に当たります。
ディープラーニングは特徴量を自ら学習する傾向があるため必要性は低いですが、良いデータの準備は依然として重要です。