相関分析は最強の「データスカウト」！機械学習の精度を上げる”相棒”の正体とは

こんにちは。ゆうせいです。

機械学習モデルを作ろう！と意気込んで、データを集めてきた新人エンジニアのあなた。

そのデータを、いきなりモデルに「えいっ」と投入していませんか？

ちょっと待ってください！

そのデータ、ちゃんと「中身」を見ましたか？

優秀な料理人が、素材（データ）の味見や下ごしらえを念入りにするように、私たちエンジニアも、データを調理する前に「データの味見」をする必要があります。

その「最強の味見道具」こそが、今回お話しする「相関分析（そうかんぶんせき）」なんです。

「統計学のやつでしょ？」「機械学習とどう関係するの？」

そう思ったあなたにこそ、読んでほしい！

相関分析が、いかに機械学習の「良き相棒」であるかを、分かりやすく解説していきますね。

そもそも「相関分析」って何？

相関分析とは、ものすごくシンプルに言うと、「2つの物事（変数）が、どれくらい一緒に動くか」を調べる方法です。

「片方が増えたら、もう片方も増えるのか？」「それとも減るのか？」「あるいは、全然関係ないのか？」

この「関係性の強さ」を、数値でズバリと示してくれます。

相関係数（）という名の「関係性スコア」

その数値のことを「相関係数（そうかんけいすう）」と呼びます。

よく という記号で表されますね。

このスコアは、必ず -1 から +1 の間に入ります。

• +1 に近い（正の相関が強い）
  • 片方が増えれば、もう片方も増える関係。
  • 例：「気温が上がる」と「アイスクリームの売上が上がる」
• -1 に近い（負の相関が強い）
  • 片方が増えれば、もう片方は減る関係。
  • 例：「勉強時間が増える」と「ゲームのプレイ時間が減る」
• 0 に近い（相関が（ほとんど）ない）
  • 2つの物事に関連性が見られない。
  • 例：「あなたの靴のサイズ」と「明日の株価」

どうです？ この「関係性スコア」、なんだか機械学習の役に立ちそうだと思いませんか？

機械学習における相関分析の「2大ミッション」

相関分析は、特に機械学習の「前処理（データをモデルに入れられる形に整えること）」や「特徴量エンジニアリング（モデルが学習しやすいデータを作ること）」において、2つの重要なミッションを担っています。

ミッション1：予測に「役立つ特徴量」のスカウト

機械学習モデルの目的が「何かを予測すること」だとしましょう。

例えば、「家の価格」を予測するモデルを作るとします。

データとして「部屋の広さ」「駅からの距離」「築年数」などがありますよね。

このとき、相関分析を使って、「予測したいもの（家の価格）」と「各データ（特徴量）」の関係性スコアを計算します。

• 「部屋の広さ」と「家の価格」：+0.7（強い正の相関）
• 「駅からの距離」と「家の価格」：-0.6（やや強い負の相関）
• 「近所の公園の名前」と「家の価格」：+0.01（ほぼゼロ）

この結果を見れば、一目瞭然！

「部屋の広さ」や「駅からの距離」は、価格予測にすごく役立ちそうだ、と分かります。

一方で、「近所の公園の名前」は、予測に全然関係なさそうですよね？

このように、相関分析は、予測に役立つ「有望な選手（特徴量）」を見つけ出す、優秀なスカウトマンの役割を果たしてくれるんです。

ミッション2：モデルを混乱させる「似た者同士」の発見

もう一つのミッションは、スカウトした選手（特徴量）同士の関係を見ることです。

ここで注意したいのが、特徴量同士の相関が強すぎる場合です。

これを専門用語で「多重共線性（たじゅうきょうせんせい、マルチコとも言います）」と呼んだりします。

例：「家の広さ（平方メートル）」と「家の広さ（坪）」

この2つのデータ、当たり前ですが、言っていることはほぼ同じですよね？

相関係数を計算したら、ほぼ +1 になるはずです。

このような「似た者同士」のデータを両方モデルに入れてしまうと、モデルが混乱してしまうんです。

「えっ、どっちの『広さ』を見ればいいの！？」「広さの影響が2倍になっちゃう！」

特に、線形回帰のようなシンプルなモデルは、この問題にとても弱いんです。

相関分析を使えば、「あ、この2つの特徴量、相関が 0.95 もある！似すぎているから、片方は削除しておこう」という判断ができます。

モデルが混乱しないよう、事前に交通整理をしてあげるわけですね。

最大の注意点！「相関関係は、因果関係ではない」

さて、相関分析はとても便利ですが、一つだけ、絶対に覚えておかなければならない落とし穴があります。

それは、「相関があるからといって、片方がもう片方の『原因』であるとは限らない」ということです。

有名な例：「アイスの売上」と「水難事故の件数」

この2つ、実は「強い正の相関」があります。

データだけ見ると、「アイスが売れるほど、水難事故が増える」ように見えます。

では、質問です。

「水難事故を減らすために、アイスの販売を禁止すべき」でしょうか？

...違いますよね！

この2つには、「共通の原因」が隠れています。

それは「気温（夏であること）」です。

• 気温が上がる → アイスが売れる
• 気温が上がる → 海や川で泳ぐ人が増え、事故も増える

アイスが事故の原因なのではなく、「気温」という隠れたボス（潜伏変数）が、両方を引き起こしていただけなんです。

機械学習モデルは、この「見せかけの相関」に騙されてしまうことがあります。

モデルが「アイスの売上」を水難事故の予測に使い始めたら、おかしなことになりますよね。

相関分析で高い数値が出ても、「なぜ、この2つに関係があるんだろう？」と、必ず自分の頭で「因果関係」を考えるクセをつけてください！

まとめと次のステップ

相関分析は、機械学習モデルという「エンジン」を組み立てる前の、「データという素材」を吟味するためのシンプルかつ強力なツールです。

• メリット：計算が速く、-1から+1の数値で関係性が直感的にわかる。
• デメリット：あくまで「直線的な関係」しか見られない。「原因と結果」は教えてくれない。

この「データのスカウトマン」をうまく使いこなせるかどうかで、あなたの作るモデルの精度や安定性が大きく変わってきますよ。

次のステップ

1. 実際に計算してみよう！PythonのPandasライブラリを使えば、df.corr() というたった一行のコードで、データ全体の相関行列（相関係数の一覧表）を計算できます。まずは触ってみましょう！
2. ヒートマップで可視化しよう！計算した相関行列を、「ヒートマップ」というグラフにすると、どの特徴量同士の相関が強いか（色が濃いか）が一目でわかります。Seabornというライブラリですぐに作れますよ。
3. 「スピアマンの順位相関」を調べてみよう今回紹介した（ピアソンの）相関係数は、直線的な関係しか測れません。世の中には「増えれば増えるほど、伸び方が緩やかになる」ような関係もあります。そういうものも捉えたい場合は、「スピアマンの順位相関」という別の方法があることも知っておくと、武器が増えます。

データの「声」を聞く第一歩として、ぜひ相関分析と仲良くなってくださいね！

セイ・コンサルティング・グループの新人エンジニア研修のメニューへのリンク

投稿者プロフィール

山崎講師代表取締役

セイ・コンサルティング・グループ株式会社代表取締役。
岐阜県出身。
2000年創業、2004年会社設立。
IT企業向け人材育成研修歴業界歴20年以上。
すべての無駄を省いた費用対効果の高い「筋肉質」な研修を提供します！
この記事に間違い等ありましたらぜひお知らせください。

最新の投稿

• 山崎講師2025年10月27日重回帰分析はディープラーニングの「細胞」だった？"ご先祖様"と"最強の進化系"のつながりを徹底解剖
• 山崎講師2025年10月27日機械学習の"ご先祖様"？重回帰分析が今も最強の「基礎」である理由
• 山崎講師2025年10月27日ディープラーニングの「常識」を疑え！相関分析が“無力”に見える理由と、それでも使うべき本当の価値
• 山崎講師2025年10月27日相関分析は最強の「データスカウト」！機械学習の精度を上げる”相棒”の正体とは