# 特徴量の関連性 > 特徴量の関連性 - 特徴量の関連性に関わる概念とその計算方法について詳しく説明します。 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 `2026-07-30T11:40:01.722987+00:00` (UTC). ## Primary page - [特徴量の関連性](https://docs.datarobot.com/ja/docs/reference/pred-ai-ref/feature-associate.html.md): Full documentation for this topic (Markdown sidecar). ## Sections on this page - [関連性とは？](https://docs.datarobot.com/ja/docs/reference/pred-ai-ref/feature-associate.html.md#whare-are-associations): In-page section heading. - [指標の詳細](https://docs.datarobot.com/ja/docs/reference/pred-ai-ref/feature-associate.html.md#more-about-metrics): In-page section heading. - [関連性の計算方法](https://docs.datarobot.com/ja/docs/reference/pred-ai-ref/feature-associate.html.md#how-associations-are-calculated): In-page section heading. ## Documentation content 以下のセクションでは、関連性の一般的な説明、相互情報量とクラメールのVの指標の理解、関連性の計算方法などを取り上げます。 ## 関連性とは？ 特徴量ペアの相互の関係性を表す一般的な用語としては、特徴量の関連性、相互依存、同時生起のレベル、相関（厳密には意味が若干異なります）などがあります。 特徴量の関連性 インサイトは、広角レンズ（行列全体）とクローズアップ（行列のズーム、特徴量の関連性ペアの詳細）で関連性を可視化するためのツールです。 行列の各点は、「これらの特徴量のいずれかの値がわかっている場合、もう一方の値を推定する場合の精度はどの位か」を示します。指標値は、その答えの数値を示します。 指標値が0に近いほど、対象となる特徴量の相互の依存は低くなります。 どちらか一方の値がわかっていても、もう一方の値はよくわかりません。 一方、スコア1は、 X を知っていれば Y を知っていることを示しています。 中間地はパターンを示しますが、完全な信頼性を示すものではありません。 「完全な相互情報量」もしくは1に近いほど、指標スコアが高くなり、行列における表示は不透明度が高くなります。 ## 指標の詳細 指標スコアは、行列および詳細ペインにおけるクラスターと特徴量の順序と配置の基準となります。 相互情報量（デフォルト）またはクラメールのVのいずれかの指標を選択できます。 これらの指標の詳細については、インターネット上の資料を参照してください。 - 相互情報量に関する技術的概要（ ウィキペディア ）。 - 相互情報量に関する詳細な説明および例（ Scholarpedia ）。 - クラメールのVに関する技術的概要（ ウィキペディア ）。 - クラメールのVの チュートリアル （「what and why」）。 いずれの指標でも特徴量間の依存を測定できます。どちらの指標を選択するかは、ある程度は好みの問題です。 クラメールのVの方が真陽性率が高いので、特徴量の相互依存が低い場合、相互情報量ではレポートされない関連性がレポートされます。 ## 関連性の計算方法 関連性を計算する際、DataRobotでは上位50の数値特徴量とカテゴリー特徴量（50未満の場合はすべての特徴量）が選択されます。 「上位」は、最も高い有用性スコアの特徴量（ターゲットに対する特徴量の関連性を表す値）として定義されます。 これらの特徴量からのデータは、最大10,000行のサブサンプルが作成されます。 以下の点に注意してください。 - 関連性の場合、DataRobotでは数値特徴量の分位ビニングは実行されますが、データ補完は行われません。 欠損値は新しいビンにグループ化されます。 - 外れ値は相関分析から除外されます。 - クラスタリングの場合、関連性のしきい値（0.1）よりも下の特徴量は排除されます。 - すべての特徴量が相互に相対的に依存しない場合（明確な群がない場合）、行列が表示されますが、すべての点は白で表示されます。 - 値の90%以上が欠損している特徴量は、計算から除外されます。 - 2000を超える値を持つカーディナリティの高いカテゴリー特徴量は、計算から除外されます。