【G検定・ITパス】ずる賢い水増しを見抜く！「自由度調整済み決定係数」の超基本を1分図解！

「決定係数はばっちりだけど、自由度調整済みになると何が変わるの？」
「項目を増やせば増やすほどAIの精度が上がって見えるのは罠？」
「重回帰分析で、普通の決定係数を使ってはいけない理由が知りたい！」

前回の「決定係数（R²）」を学んだあとに必ず立ちはだかるのが、この漢字の長い指標です。なぜわざわざ「自由度」を調整する必要があるのでしょうか？

この記事では、G検定・ITパスポート・DS検定で頻出の「自由度調整済み決定係数」の仕組みを、2枚の図解を使って分かりやすく解説します！

1.【直感編】自由度調整済み決定係数とは？無駄なデータを増やすだけの「見せかけの加点」を見抜く！
2.【理論編】理論の核心！項目の数に応じてスコアを厳しく引き締める！
3.【試験対策】自由度調整済み決定係数の重要キーワードまとめ
4.【まとめ】

1.【直感編】自由度調整済み決定係数とは？無駄なデータを増やすだけの「見せかけの加点」を見抜く！

まずは、この指標がなぜ生まれたのか、その存在理由を直感的なイメージで掴みましょう。

自由度調整済み決定係数とは、一言でいうと「データの項目数（変数の多さ）を考慮して、ずる賢い水増しを補正した決定係数」です。

【通常の決定係数（ゴミデータで加点）】関係ない項目（ゴミデータ）を増やすだけで、数式上のマジックによって数値が勝手に上がってしまいます。これではAIが着太りしているだけで、本当の実力が分かりません。
【自由度調整済み決定係数（無駄なデータは見抜く）】データの項目数を増やせば増やすほど、逆にスコアを下げるペナルティが課されます。これで本当の実力を信頼できるようになります。
データの「着太り」を防ぎ、本当の予測力を見極めるための必須の指標です。

💡 【試験対策ワンポイント】 複数の項目を組み合わせて予測する「重回帰分析」では、通常の決定係数だと項目が増えるだけで数値が上がってしまうため、常にこの「自由度調整済み決定係数」を主役として使うのが鉄則です！

2.【理論編】理論の核心！項目の数に応じてスコアを厳しく引き締める！

次に、グラフと計算の視点から、この指標がどうやって水増しを減点しているのか深掘りします。

自由度調整済み決定係数の正体は、サンプルの行数（データの数）と、項目の列数（変数の数）のバランスを計算に組み込んだものです。

【仕組み：無駄な項目ほどスコアを減点】
グラフで見ると一目瞭然です。通常の決定係数は項目数が増えるほど右肩上がりに数値が上がってしまいますが、自由度調整済み決定係数は「無駄な項目」が増えると、厳しいペナルティによって途中でスコアがガクンと下がります。

【目安：2つのスコアの隙間を見よう】
もし、あなたの作ったAIモデルの「通常の決定係数」と「自由度調整済み決定係数」の2つの値が大きく離れていたら、それは「予測に無関係なゴミデータを詰め込みすぎているサイン」です。

💡 【試験対策ワンポイント】 「説明変数（項目の数）を追加したときに、その変数が予測に役立たない場合は値が減少する性質を持つ指標はどれか」という問題は超頻出です。迷わず自由度調整済み決定係数を選びましょう！

3.【試験対策】自由度調整済み決定係数の重要キーワードまとめ

資格を肌で知る合格者の視点から、試験で狙われるポイントを整理しておきましょう。

自由度調整済み決定係数：変数の数を考慮して補正した決定係数。重回帰分析の評価における大本命。
見せかけの精度向上を防ぐ：予測にまったく関係のないゴミ変数を大量に足しても、スコアが上がらないようにする役割。
説明変数のペナルティ：変数（項目）を増やせば増やすほど数値を引き下げる、厳格な減点仕組みが内蔵されている。
無駄データ判定器：通常の決定係数との乖離（スキマ）を見ることで、モデルが本当に必要な変数だけで作られているかを評価できる。