目的変数は、モデルが予測したい結果として定義する変数で、教師あり学習ではラベルとも呼ばれます。売上金額の予測なら金額が目的変数になり、解約予測なら「解約する／しない」が目的変数です。分析や機械学習の成否は、目的変数の定義が業務の意思決定と一致しているかで大きく変わります。
実務では、目的変数の算出ロジックと観測タイミングを固定し、学習時点で未来情報が混ざらない設計が欠かせません。たとえば「翌月解約」を予測するなら、特徴量は当月末までの情報に限定し、解約判定の期日も明確にします。目的変数の欠損や遅延がある場合は、欠損理由の分類と除外基準まで決めないと評価がぶれやすいです。
目的変数は、クラス不均衡や定義変更の影響を受けやすく、モデルの劣化が見えにくいことがあります。運用では、目的変数の分布や発生率の変化、ラベル付与の遅延、定義改定の履歴を継続的に監視する設計が安全でしょう。目的変数のバージョン管理と再学習条件を用意しておくと、改善と保守が両立しやすくなります。
