特徴量
意味・解説
AI（機械学習）が学習する際、データのどの部分に注目すべきかを数値化したもの。予測や分類の手がかりとなる変数。
データの中から対象の特徴を記述する変数。例えば、不動産価格の予測なら「駅からの距離」「築年数」「面積」などが特徴量になる。かつては人間が考えて抽出していたが（特徴量エンジニアリング）、ディープラーニングの登場により、AIがデータから自動的に重要な特徴量を見つけ出せるようになった。
くわしく
「AIが物事を判断するための『着眼点』」のことです。
1.具体例:
リンゴとミカンを見分けるAIなら、「色」「重さ」「表面の凹凸」といった情報が特徴量になります。
2.重要性:
どんなに優れたAIアルゴリズムでも、的外れな特徴量（例：リンゴの産地の天気）を学習させると、正しく判定できなくなります。
3.ベクトル化:
コンピュータが処理しやすいように、これらすべての特徴量は「数値の並び（ベクトル）」として扱われます。
例文
画像認識モデルの精度を高めるため、エッジ情報の抽出を新たな特徴量として追加した。
過去問での出題状況
直近29回分の過去問（全2,900問）を解析した結果、6回登場しています（出題された年度: 5年度）。
出典: 本サイト独自集計（問題文および全選択肢テキストからの用語出現頻度・2026年6月時点）
同義語: 変数, 独立変数, 説明変数
分類: 機械学習の基礎
この用語は生成AIパスポート試験にも出ます
生成AIパスポート試験（生成AI活用普及協会）の公式シラバス第4版では、第1章 AI（人工知能） の 1-3 に「特徴量」として掲載されています。ITパスポートと重なるのは全191語中42語で、その1つがこの用語です。