予測分析（Predictive Analytics）の旅へようこそ！

Exam PAの学習を始めるのは、新しい言語を習得するような感覚に似ているかもしれません。でも安心してください。ここで扱う概念のほとんどは、あなたがすでに直感的に理解していることです。この章では、あらゆる予測モデルの「原材料」となる変数（Variables）について見ていきます。データ探索（Data Exploration）の第一歩は、手元にあるデータの種類を理解することです。なぜなら、それによって作成すべきグラフや構築すべきモデルが決まるからです。さあ、一緒に深掘りしていきましょう！

1. 全体像：変数の役割

データの「性質」で分類する前に、モデルの中で各データがどのような役割を果たすのかを理解する必要があります。予測モデリングでは、主に2つの主役が登場します。

目的変数（Target Variable）：ゴール

目的変数（応答変数（Response）や従属変数（Dependent Variable）とも呼ばれます）は、あなたが予測または説明しようとしている対象のことです。Exam PAのプロジェクトでは、ビジネス上の課題が必ず特定のターゲットを示してくれます。
例え話： ケーキが焼き上がるまでの時間を予測しようとする場合、「焼き時間（Bake Time）」が目的変数になります。

説明変数（Predictors）：材料

説明変数（特徴量（Features）、独立変数（Independent Variables）、説明変数（Explanatory Variables）とも呼ばれます）は、予測を行うために使用する情報の断片です。
例え話： 焼き時間を予測するために、オーブンの温度、生地の重さ、キッチンの標高などを確認するかもしれません。これらが説明変数です。

数式の確認：
多くの教科書では、その関係は以下のように表されます：
\( Y = f(X) + \epsilon \)
ここで：
\( Y \) = 目的変数。
\( X \) = 説明変数。
\( f \) = 私たちが導き出そうとしている数式やモデル。
\( \epsilon \) (イプシロン) = 説明できない「ノイズ」やランダムな誤差。

重要なポイント： 予測モデリングとは、単に説明変数 (X) を使って目的変数 (Y) を推定することです。

2. 質的（カテゴリカル）変数

質的変数は、測定値ではなく、記述や「グループ」を表します。これらは観測対象の性質を説明するものです。主に以下の2種類に分けられます。

名義尺度（Nominal Variables）：名前のみ

名義尺度は、論理的な順序を持たないカテゴリです。どれか一つが他よりも「高い」や「優れている」ということはありません。
例： 性別、髪の色、居住州、保険の種類（自動車保険 vs 火災保険など）。
覚え方： Nominal（名義） = Name（名前）。

順序尺度（Ordinal Variables）：順序が重要

順序尺度は、順序が明確に意味を持つカテゴリですが、カテゴリ間の数学的な距離は一定ではありません。
例： 学歴（高校卒、学士、修士、博士）、顧客満足度（低、中、高）。
例え話： レースを想像してください。1位、2位、3位という順位は順序尺度です。1位が2位より速いことは分かりますが、順位だけを見てもどれくらい速いのかは分かりませんよね。

クイックレビュー：
- 名義尺度： 順序のないカテゴリ（赤、青、緑）。
- 順序尺度： 明確な順位があるカテゴリ（小、中、大）。

3. 量的（数値）変数

量的変数は、測定可能な量を表す数値です。これらには数学的な計算（平均の算出など）を行うことができます。以下の2グループに分けられます。

離散変数（Discrete Variables）

離散変数は、数えることができるものです。通常、整数値をとり、値の間に「隙間」があります。
例： 個人が請求する保険金の件数、世帯内の車の台数、家族の子供の人数。
チェック： 「子供の人数が2.47人」ということはあり得ませんよね。つまり、それは離散変数です。

連続変数（Continuous Variables）

連続変数は、測定することができるものです。小数を含む範囲内のあらゆる値をとることができます。
例： 保険金請求の正確な金額、年齢、年収。
チェック： 「請求額が1,205.52ドル」ということはあり得ますよね。したがって、これは連続変数です。

豆知識： Exam PAでは、離散変数と連続変数の境界線が曖昧になることがあります。例えば「年齢」は理論上は連続変数ですが（あなたは25.432歳かもしれません）、記録上は整数（25歳）として扱われることがよくあります。このようなことがあっても焦らないでください。データセットの中で実際にどのように保持されているかを確認するようにしましょう。

4. 知っておくべき専門用語

Exam PAのモジュールを読み進めると、以下の用語が頻繁に登場します。今のうちに整理しておきましょう。

二値（バイナリ／二分）変数： 2つの選択肢のみを持つ特殊なカテゴリカル変数。通常は0/1、はい/いいえ、合格/不合格など。
ダミー変数（インジケーター変数）： コンピュータが理解できるように、カテゴリカル変数を数値に変換する手法。例えば「性別」という変数に対して、「女性か？」という変数を新たに作り、Yesなら1、Noなら0とする手法です。
水準（Levels）： 質的変数の中にある個別のカテゴリを指します。「色」という変数に赤・青・緑がある場合、その変数は「3つの水準を持つ」と言います。
観測値（Observations）： データの「行」のことです。各行は測定されている個々の「対象」（一人の契約者や一つの保険金請求など）を表します。

5. よくある落とし穴

間違い1：順序変数を名義尺度として扱うこと。
「クレジットスコア区分（低・中・高）」を名義尺度として扱うと、「高は低よりも優れている」という重要な情報がモデルから失われてしまいます。

間違い2：ラベルと数値を混同すること。
データが数値（「地域1、地域2、地域3」など）をラベルとして使うことがあります。これらは数値ですが、実際には名義尺度です。「地域1 ＋ 地域2」を足しても「地域3」にはなりません。

間違い3：目的変数のタイプを忘れること。
これが最も重要です！目的変数が連続的（保険金額など）であれば、それは回帰（Regression）の問題です。目的変数がカテゴリカル（「顧客は更新するか？」など）であれば、それは分類（Classification）の問題です。

章のまとめ

1. 説明変数 (X) は目的変数 (Y) を予測するために使用されます。
2. 質的データはカテゴリカルです。名義尺度（順序なし）または順序尺度（順序あり）があります。
3. 量的データは数値です。離散変数（数えるもの）または連続変数（測定するもの）があります。
4. 目的変数の型によってモデリングのアプローチが決まります。数値なら回帰、カテゴリなら分類です。

多くのラベルが出てきて大変そうに見えるかもしれませんが、心配無用です！次の章から実際のデータを見るようになれば、これらの定義は自然と身につきます。あなたならきっと大丈夫です！