「平均から20離れている」と言われても、ばらつきの大きいデータなら普通のこと、ばらつきの小さいデータなら大事件です。この「ばらつきを考慮した離れ具合」を測るのがマハラノビス距離。異常検知の定番として、ユークリッド距離との対比で問われやすいキーワードです。
📖 ひと言でいうと
マハラノビス距離とは、データの分布(ばらつきや変数どうしの相関)を考慮して、ある点が分布の中心からどれだけ「統計的に」離れているかを測る距離です。
健康診断で例えると、身長190cmは平均から大きく離れていますが「身長190cm・体重90kg」は自然な組み合わせです。一方「身長150cm・体重90kg」は各値単独では珍しくなくても、組み合わせとして異常に見えます。この「組み合わせとしての珍しさ」を数値化できるのがマハラノビス距離です。
🖼 1枚でわかるマハラノビス距離
📘 公式テキストの説明
マハラノビス距離は、公式テキストでは単独の解説段落が置かれておらず、「AIに必要な数理・統計知識」の章で平均・分散・ユークリッド距離などと並ぶ統計キーワード群のひとつとして挙げられています。
そのため本記事では、統計学での標準的な定義に沿って解説します。この章のキーワード群の中では、平均・分散・共分散を「部品」として組み合わせて作られる応用的な距離指標という位置づけで、ユークリッド距離とセットで対比理解するのが効率的です。
🔍 しっかり理解する
まず1変数で考える: 標準偏差を「ものさし」にする
テストの点数の平均が50点、標準偏差が10点のクラスで、70点をとった人を考えます。平均からの差は20点で、これは標準偏差の2個分です。この「標準偏差いくつ分か」= (70 − 50) ÷ 10 = 2 が、1変数の場合のマハラノビス距離に相当します(いわゆる標準化得点と同じ考え方です)。
同じ70点でも、標準偏差が5点しかない均質なクラスなら (70 − 50) ÷ 5 = 4 となり、はるかに「珍しい」ことになります。絶対的な差ではなく、ばらつきを基準にした相対的な離れ具合を測る——これがマハラノビス距離の本質です。
多変数では相関(共分散)まで考慮する
変数が2つ以上になると、マハラノビス距離は各変数のばらつきに加えて変数間の相関(共分散行列)を使って距離を補正します。式で書くと、点xと平均μの距離は次のようになります(Σは共分散行列、Tは転置)。
D = √( (x − μ)T × Σの逆行列 × (x − μ) )
直感的には、データが楕円状に分布しているとき、「楕円の伸びている方向には遠くまで行っても珍しくない、楕円と直交する方向には少し外れただけで珍しい」という判断をしてくれる距離です。同じマハラノビス距離の点を結ぶと、分布に沿った楕円(等確率楕円)になります。身長と体重のように正の相関がある2変数で「身長150cm・体重90kg」が異常と判定できるのは、相関の向きから外れた点ほど距離が大きくなるからです。
ユークリッド距離との対比
- 2点間のまっすぐな幾何学的距離
- データの分布・単位の影響をそのまま受ける
- すべての方向を平等に扱う(等距離の点は円)
- k-means法やk近傍法の標準的な距離
- 分布の中心からの統計的な離れ具合
- ばらつき(分散)と相関(共分散)で補正する
- 方向によって距離の重みが変わる(等距離の点は楕円)
- 異常検知・外れ値検出の定番
なお、すべての変数が無相関で分散が等しい特別な場合には、マハラノビス距離はユークリッド距離(の定数倍)に一致します。マハラノビス距離は「分布に合わせてものさしを調整したユークリッド距離の一般化」と捉えられます。
名前の由来は、この距離を提案したインドの統計学者P.C.マハラノビスです。
分類にも使える: どのグループの分布に近いか
マハラノビス距離は異常検知だけでなく、分類にも使えます。たとえば「優良顧客グループ」と「休眠予備軍グループ」それぞれの平均と共分散行列を求めておき、新しい顧客がどちらの分布に(マハラノビス距離の意味で)近いかで所属を判定する、という発想です。これは判別分析と呼ばれる古典的な分類手法の考え方で、各グループのばらつきの形まで加味して境界を引ける点が、単純な「中心までの直線距離での多数決」との違いです。
💡 具体例で考える
代表的な応用が製造業の異常検知です。工場のセンサーで温度・振動・電流など多数の値を監視するとき、個々の値が正常範囲でも「組み合わせがいつもと違う」故障の予兆があります。正常時のデータから平均と共分散行列を求めておき、新しい測定値のマハラノビス距離を計算して、しきい値を超えたら異常と判定する——これが基本パターンです。品質工学の分野では、この考え方を体系化したMT法(マハラノビス・タグチ法)が知られています。
クレジットカードの不正利用検知でも同じ発想が使えます。利用金額・時間帯・頻度などの組み合わせが、その人の normal な利用パターン(分布)からマハラノビス距離で大きく外れた取引を、不正の疑いありとして検出するイメージです。
⚠️ よくある誤解・紛らわしい用語
- ユークリッド距離との混同 — ユークリッド距離は2点間の幾何学的な直線距離、マハラノビス距離は分布を基準にした統計的距離です。「ばらつき・相関を考慮する」と書かれていたらマハラノビス距離を選びます。
- 単位の影響 — ユークリッド距離は身長をcmで測るかmで測るかで結果が変わりますが、マハラノビス距離はばらつきで割るため単位の取り方に影響されにくい性質があります。
- 標準化すれば同じ? — 各変数を標準化したユークリッド距離はばらつきの違いこそ吸収しますが、変数間の相関までは考慮できません。相関も含めて補正するのがマハラノビス距離です。
- 万能ではない — 平均と共分散行列を推定できるだけのデータが必要で、分布がひとかたまり(単峰)であることが前提です。複数のクラスタがあるデータでは単純には使えません。
📝 試験でのポイント
- 「データの分布(共分散)を考慮した距離はどれか」という形で、ユークリッド距離・マンハッタン距離・コサイン類似度などと並べる選択問題が想定されます。
- 異常検知・外れ値検出の事例文から、使われている距離としてマハラノビス距離を選ばせる形式が考えられます。
- 「変数間の相関を考慮できる」「等距離の点が楕円状になる」といった性質の正誤判定も題材になり得ます。
- 1変数の場合は「平均からの差を標準偏差で割ったもの」に相当する、という直感を持っておくと選択肢を絞りやすくなります。
📚 まとめ
- マハラノビス距離は、分布のばらつきと変数間の相関を考慮して「統計的な離れ具合」を測る距離です。
- 1変数では標準化得点と同じで、多変数では共分散行列で補正した距離になります。
- 単純な直線距離であるユークリッド距離との対比が理解の軸です。
- 個々の値ではなく「組み合わせの異常」を捉えられるため、異常検知や品質管理(MT法)で広く使われています。
