微分って何に使うの？統計学・機械学習で微分が必要になる理由をやさしく解説

データ分析を学ぼうと教科書やネット記事を開くと、必ずと言っていいほど微分・積分や線形代数が登場します。微積分は高校数学でもかなり終盤に学ぶ内容ですし、線形代数にいたっては高校ではほとんど扱いません。「いきなり壁が高い」と感じて、そこで止まってしまう方は少なくありません。

そこでこの記事では、微分とは結局何を表しているのか、そして統計学や機械学習のどの場面で微分が実際に使われているのかを、計算式をほとんど使わずに解説します。出てくる計算は四則演算だけです。

この記事のポイント

・微分とは、ひとことで言えば「変化の大きさ」を測る道具
・グラフで言えば、微分はその点における接線の傾きにあたる
・統計学では、誤差をいちばん小さくする値を探すために微分を使う（最小二乗法・最尤推定）
・機械学習では、AIが学習する仕組みそのもの（勾配降下法）が微分でできている

結論｜微分は「いちばん良い答えを探す」ための道具

統計学や機械学習で微分が必要になる理由は、突きつめると一つです。「予測と現実のズレ（誤差）を、いちばん小さくする値を見つけたい」から。誤差がいちばん小さくなる場所では、グラフの傾き＝微分がゼロになります。だから微分を使えば、その「いちばん良い答え」を数式で探し当てられるのです。

▼動画でも解説しています

微分とは？｜「速さ」ではなく「変化」を測る

微分は、ひとことで言うと「変化」を表す量です。

身近な例で考えてみましょう。遊園地でジェットコースターに乗ると、思わず叫んでしまうほど「速い！」と感じます。ところが実際の速度は時速150〜180km程度。新幹線（時速300km前後）や飛行機（時速850km前後）のほうがはるかに速いのに、新幹線の車内で悲鳴を上げる人はいません。

ジェットコースターが「怖いほど速い」と感じられる原因は、速度そのものではなく「速度の変化の大きさ」にあります。富士急ハイランドの「ド・ドドンパ」は、わずか1.56秒で時速180kmに達する加速性能で知られていました。1秒あたりに換算すると、次のような差になります。

乗り物	おおよその到達速度	かかる時間	1秒あたりの速度変化
ジェットコースター（ド・ドドンパ）	時速180km	約1.6秒	約115km/時/秒
旅客機（離陸時）	時速280km	約30秒	約9km/時/秒
新幹線	時速300km	約3分	約1.7km/時/秒

到達する速度は新幹線のほうが上でも、1秒あたりの変化で見るとジェットコースターは新幹線の約70倍です。私たちの体が「速い」と感じているのは、この変化のほうだったわけです。

この「変化の大きさ」を正確に求めるために作られた学問が微分学です。アイザック・ニュートンは、物体の運動を説明するには位置そのものではなく「位置の変化（速度）」「速度の変化（加速度）」こそが本質だと見抜き、そのための計算手段として微分を築き上げました。

グラフで見る微分｜接線の傾き

もう少しだけ数学の言葉に近づけてみましょう。横軸に時間、縦軸に進んだ距離をとったグラフを描くと、グラフの傾きが速度になります。傾きが急なら速く、なだらかならゆっくり進んでいるということです。

平均の速さ ＝ 進んだ距離 ÷ かかった時間 ＝ グラフの傾き

ただしこれは「ある区間の平均」です。私たちが本当に知りたいのは「いまこの瞬間の速さ」であることも多い。そこで区間の幅をどんどん狭くしていき、限りなくゼロに近づけたときの傾き——これが微分であり、グラフでいえばその点における接線の傾きです。

言い方	意味すること
微分する	各点での変化の大きさを求める
微分係数	ある1点における接線の傾き
導関数	各点の傾きを、xの関数としてまとめたもの
微分がゼロ	その点で変化が止まっている＝山の頂上か谷の底

最後の行が、この記事でいちばん大事なポイントです。微分がゼロになる場所は、グラフの「頂上」か「底」。つまり微分は、最大値・最小値を探すための道具になります。

統計学で微分が使われる場面

データ分析でいちばん大切なのは、「計算で求めた予測が、現実の結果にできるだけ近いこと」です。売上予測でも需要予測でも、ぴったり一致することはありませんが、できるだけ近いからこそ意思決定に使えます。

最小二乗法｜直線を「いちばん良い位置」に引く

散布図に回帰直線を引くとき、私たちは「実際の点と直線とのズレが、全体としていちばん小さくなる直線」を選びます。ズレを二乗して合計したもの（残差平方和）を最小にする、という考え方から最小二乗法と呼ばれます。

残差平方和 ＝（実際の値 − 予測値）の2乗の合計 → これを最小にしたい

ここで微分の出番です。残差平方和を、直線の傾きと切片で微分してゼロとおく。すると「これ以上どちらに動かしても誤差が増える」場所、つまり最小になる傾きと切片が求まります。Excelでも一瞬で回帰直線が引けますが、その裏側ではこの計算が行われています。

最尤推定｜もっともあり得るパラメータを探す

「このデータが観測される確率がいちばん高くなるのは、どんなパラメータのときか」を考えるのが最尤推定です。確率を表す式（尤度関数）を微分してゼロとおくことで、その最大値を与えるパラメータを求めます。正規分布の平均や分散の推定、ロジスティック回帰など、統計学の広い範囲で使われる考え方です。

統計学における微分の役割はほぼ一貫しています。「誤差を最小にする」「確からしさを最大にする」ための、頂上・底を探す道具。それ以上でも以下でもありません。

機械学習で微分が使われる場面｜勾配降下法

機械学習では、微分の役割がさらに直接的です。AIの「学習」という言葉の中身は、ほとんどが微分の計算だと言っても言い過ぎではありません。

「山を下りる」イメージ

機械学習のモデルは、予測のズレの大きさを表す損失関数を持っています。学習とは、この損失関数の値がいちばん小さくなるパラメータを探す作業です。

ただしパラメータは数百万〜数千億個あることもあり、最小二乗法のように一発で答えを出すことはできません。そこで使われるのが勾配降下法です。

ステップ	やっていること	たとえ
1	いまの位置で損失関数を微分し、傾きを調べる	霧の中で足元の坂の向きを確かめる
2	傾きが下る方向へ、少しだけパラメータを動かす	いちばん下っている方向へ一歩進む
3	1と2をひたすら繰り返す	谷底に着くまで歩き続ける
4	傾きがほぼゼロになったら終了	これ以上下れない＝学習完了

ステップ2の「少しだけ」の幅を学習率と呼びます。大きすぎると谷を飛び越えてしまい、小さすぎると永遠に着かない。機械学習の調整で学習率がよく話題になるのはこのためです。

ディープラーニングと連鎖律

ニューラルネットワークは、関数を何層も重ねた構造をしています。その全体を効率よく微分するために使われるのが、合成関数の微分公式（連鎖律）です。これを出力側から順に適用していく手法が誤差逆伝播法で、ディープラーニングを現実的な計算量で学習させられるようにした立役者です。

活性化関数にReLUのような「微分しやすい関数」が選ばれるのも、シグモイド関数で学習が進みにくくなる（勾配消失）問題が語られるのも、すべて微分できるか・微分した値が扱いやすいかという一点に理由があります。

実務で微分の計算そのものをする必要はあるのか

正直に言えば、手で微分の計算をする場面はほとんどありません。Excelもプログラミングのライブラリも、内部で自動的に計算してくれます。

それでも仕組みを知っておく価値は大きく、たとえば次のような場面で効いてきます。

場面	微分を知っていると
回帰分析の結果を読む	なぜ外れ値が結果を大きく動かすのかが理解できる
機械学習モデルの調整	学習率や収束の話が「感覚」でなく理屈で分かる
AIベンダーの説明を聞く	「学習が収束しない」の意味が具体的に分かる
自分で勉強を進める	教科書の数式が「何をしたいのか」で読めるようになる

つまり微分は、計算するためではなく、読むために学ぶ価値のある分野だと言えます。

よくある質問（FAQ）

Q1. 微分は文系でも理解できますか？

考え方だけなら十分理解できます。「変化の大きさを測るもの」「グラフの傾きを求めるもの」「傾きがゼロの場所＝頂上か底」という3点を押さえれば、統計や機械学習の記事は読めるようになります。計算技術は必要になってから学べば間に合います。

Q2. データ分析には微分と線形代数のどちらが先に必要ですか？

実務でつまずきやすいのは線形代数のほうです。データは行列の形で扱うため、行列の掛け算やベクトルの意味が分からないと、そもそも記事の前提が読めません。ただし「学習の仕組み」を理解したいなら微分が先です。目的によって順番を選ぶとよいでしょう。

Q3. 勾配降下法と最小二乗法は何が違うのですか？

どちらも「誤差を最小にする」目的は同じです。最小二乗法は微分してゼロとおくことで答えを一発で求める方法、勾配降下法は少しずつ動かしながら谷底に近づいていく方法です。パラメータが少なければ前者、膨大なら後者が使われます。

Q4. 微分を独学で学ぶには何から始めればよいですか？

いきなり公式集から入ると挫折しやすいので、まず「変化を測る」という意味の理解から始めるのがおすすめです。そのうえで一次関数の傾き、二次関数のグラフ、平均変化率、と順に進むと自然につながります。つまずいた箇所を人に聞ける環境があると、習得のスピードは大きく変わります。

まとめ｜微分は「いちばん良い答え」を探すための道具

微分とは「変化の大きさ」を測る道具であり、グラフでいえば接線の傾きにあたります。そして傾きがゼロになる場所は、グラフの頂上か底。この性質があるからこそ、微分は最大値・最小値を探すための道具として使えます。

統計学では誤差をいちばん小さくする直線を引くために（最小二乗法）、確からしさをいちばん高くするパラメータを求めるために（最尤推定）。機械学習では、損失関数の谷底へ向かって少しずつ下っていくために（勾配降下法）。分野は違っても、やっていることは共通して「いちばん良い答えを探す」ことです。

ここまで理解できていれば、統計学や機械学習の入門書に出てくる数式も、「何をしようとしているのか」が見えるようになります。

あわせて読みたい：
・微分積分とは？本質を「分解と統合」でやさしく解説｜歴史から学ぶ意味
・社会人のための統計学入門｜何を・どの順番で学べば実務で使えるか
・データ分析は何から勉強する？｜未経験から始める学習順序と最初の一冊

●和からのセミナー一覧はこちら
●お問い合わせフォームはこちら

<文／岡崎 凌>
⇒ 講師紹介ページへ