④ ディープラーニングの要素技術 ／ 22. 回帰結合層
時系列データとは
時系列データとは、時間順序に意味を持つデータで、RNNの主要な対象です。音声・文章・株価などが代表例です。
この用語はG検定シラバスの「22. 回帰結合層」に含まれます。 章全体の用語は用語解説④（全60語）にまとまっています。
一言でいうと
並び順そのものに意味があるデータ。順番を入れ替えると意味が変わります。
順序に意味があるということ
画像の画素は並べ替えると別物になりますが、時系列データは並び順そのものが情報です。
「猫が犬を追う」と「犬が猫を追う」は同じ単語の集合でも意味が正反対です。文章も広い意味で時系列データとして扱われる点は押さえておきましょう。
扱う際の注意点
- 長さがまちまち：固定長を前提とする手法をそのまま使えない
- 長期依存：遠く離れた要素どうしが関係することがある
- 分割に注意：評価用データを無作為に分けると未来の情報で過去を予測してしまう（リーク）
最後の点は実務で特に重要で、時系列では時間で区切って分割するのが基本です。
画像との違い
画像は空間方向に情報が広がり、時系列データは時間方向に広がります。この違いが扱う手法の違いを生みます。
- 画像 → CNN（近い画素どうしの関係）
- 系列 → RNNやTransformer
ただし1次元の畳み込みで系列を扱うこともあり、対応は固定ではありません。
🎯 G検定での押さえどころ
- 時間順序に意味があるデータ
- 音声・文章・株価などが代表例
- RNNやTransformerの主要な対象
⚠️ よくある誤りの選択肢
- 「文章は時系列データには含まれない」→ 誤り。順序に意味があるため含まれます
- 「時系列データも無作為に分割して評価してよい」→ 誤り。未来の情報が漏れる恐れがあります
📘 もっと深く学ぶ
- 数式レベルまで踏み込んだ解説 → 医療AIナビ「リカレントニューラルネットワーク」（E資格向け）
関連する用語
ご利用にあたって 本ページの内容は、JDLAが公開しているG検定シラバス2024や公式テキストなど、一般に公開されている情報をもとに独自に整理・解説したものです。実際の試験の出題内容を示すものではなく、また合格を保証するものでもありません。制度・法令・試験要項は変更されることがあるため、最新の情報は必ずJDLA公式サイトでご確認ください。