# データ品質評価

> データ品質評価 - データ品質評価では、外れ値、先行または後続のゼロ、ターゲットリーケージなど、データ品質の問題を自動的に検出し、多くの場合、その処理を行います。

This Markdown file sits beside the HTML page at the same path (with a `.md` suffix). It summarizes the topic and lists links for tools and LLM context.

Companion generated at `2026-07-15T05:55:44.901180+00:00` (UTC).

## Primary page

- [データ品質評価](https://docs.datarobot.com/ja/docs/classic-ui/data/analyze-data/data-quality.html.md): Full documentation for this topic (Markdown sidecar).

## Sections on this page

- [評価の調査](https://docs.datarobot.com/ja/docs/classic-ui/data/analyze-data/data-quality.html.md#explore-the-assessment): In-page section heading.
- [機能に関する注意事項](https://docs.datarobot.com/ja/docs/classic-ui/data/analyze-data/data-quality.html.md#feature-considerations): In-page section heading.

## Documentation content

データ品質評価機能は、一般的なデータ品質の問題を自動的に検出して表面化し、多くの場合、ユーザーのアクションを最小限（または完全）に抑えて、それらを処理します。 評価は、問題の発見と対処にかかる時間を節約するだけでなく、自動化されたデータ処理に対する透明性を提供します（適用された自動化処理を確認できます）。 これには問題の重大度を判別するのに役立つ警告レベルが含まれています。

EDA1が完了すると、データ品質評価が データ ページの特徴量セットの上に表示されます。

モデルの構築が完了した後、 [データ品質処理レポート](https://docs.datarobot.com/ja/docs/classic-ui/modeling/analyze-models/describe/dq-report.html.md) で追加の補完情報を表示できます。

各チェック実行の処理および検出ロジックの説明については、 [データ品質リファレンス](https://docs.datarobot.com/ja/docs/reference/data-ref/data-quality-ref.html.md) を参照してください。 重要な追加情報については、関連する [注意事項](https://docs.datarobot.com/ja/docs/classic-ui/data/analyze-data/data-quality.html.md#feature-considerations) を参照してください。

## 評価の調査

データ品質評価は、モデル構築のステージに関連するデータ品質の問題に関する情報を提供します。 最初はEDA1（データ取込み）の一部として実行され、 すべての特徴量 セットに結果が表示されます。 再度実行されてEDA2の後に更新され、選択された特徴量セット（または、デフォルトでは、 すべての特徴量 ）の情報が表示されます。 個々の特徴量に適用できないチェック（一貫性のないギャップなど）の場合、レポートは一般的なサマリーを提供します。 情報を表示 をクリックするとレポートが表示されます（ 情報を閉じる をクリックすると情報が閉じます）。

各データ品質チェックは、問題のステータスフラグ、問題の短い説明、および推奨メッセージ（適切な場合）を提供します。

- 警告（）：注意または必要なアクション
- 情報（）：必要なアクションはありません
- 問題なし（）

結果は特徴量セットに基づくので、 データ ページで選択した特徴量セットを変更すると、新しいチェックが表示されるか、現在のチェックが評価から消えます。 たとえば、特徴量セット `List 1` に外れ値を含む特徴量 `problem` が含まれる場合、評価には外れ値チェックが表示されます。 リストを、 `problem` （または外れ値のあるその他の特徴量）が含まれていない `List 2` に変更した場合、外れ値チェックでは「問題なし」（ [https://docs.datarobot.com/ja/docs/images/icon-ok.png](https://docs.datarobot.com/ja/docs/images/icon-ok.png) ）とレポートされます。

評価モーダル内から、問題のタイプでフィルターして、チェックをトリガーした特徴量を確認できます。 影響を受ける特徴量だけを表示 をオンに切り替え、チェック名の横にあるチェックボックスを選択して、表示するチェックを選択します。

データ ページの選択した特徴量セット内で、選択したデータ品質チェックに違反する特徴量だけが表示されます。 アイコンにカーソルを合わせると詳細が表示されます。

多ラベルおよびVisual Artificial Intelligence (AI)プロジェクトの場合、評価により、データセット内に [多カテゴリー形式エラー](https://docs.datarobot.com/ja/docs/reference/data-ref/data-quality-ref.html.md#multicategorical-format-errors) または [欠損画像](https://docs.datarobot.com/ja/docs/reference/data-ref/data-quality-ref.html.md#missing-images) が検出された場合は、 プレビューログ が上部に表示されます。 プレビューログ をクリックすると、各エラーの詳細ビューが表示されたウィンドウが開き、データセット内のエラーを簡単に見つけて修正できます。

EDA1が完了し、表示をフィルタしたら、調査対象の問題によって影響を受ける特徴量セットを表示します。 警告または情報通知をトリガーした値を確認するには、特徴量を展開して、 [ヒストグラム](https://docs.datarobot.com/ja/docs/classic-ui/data/analyze-data/histogram.html.md#histogram-chart) および [頻出値](https://docs.datarobot.com/ja/docs/classic-ui/data/analyze-data/histogram.html.md#frequent-values-chart) の可視化をレビューします。

## 機能に関する注意事項

データ品質評価機能を使用する場合は、以下の点に注意してください。

- 偽装欠損値、インライア、および過剰なゼロの問題の場合、自動化 処理 は、モデルエラーが削減することが証明されている線形やKerasブループリントに対してのみ有効化されます。 検出は、すべてのブループリントに適用されます。
- 自動化された補完処理は無効化できません。
- パブリックAPIはまだ利用できません。
- 自動化された特徴量エンジニアリングは、（ローリング平均を計算する前に、すべての過剰なゼロと偽装された欠損値を削除するのではなく）元のデータに対して実行されます。