包含係数

1 包含係数の概念

1.1 集合と包含関係

包含係数は、ある集合が別の集合の中にどれほど収まっているかを、数値化して捉える考え方に基づく。ここでいう包含関係とは、共通部分すなわち両集合に同時に属する要素の存在が、元となる集合に対してどの程度かという見通しを与える関係である。直感的には、「AはBの一部か」「Aの要素のうちBにも属するものはどれほどあるか」といった問いに対応する。

1.2 重なりの定量化という目的

重なりの程度を測る目的は、単なる大小比較ではなく、対象間の関係を同一尺度で比較することにある。たとえば、検索結果の中に希望する項目がどれだけ含まれているか、特徴集合の共通性がどの程度見えているか、といった評価を定量化する場面で利用される。包含係数は、その共通部分を「割合」や「正規化された量」として扱う点が特徴である。

1.3 指標としての位置づけ

包含係数は、重なりを扱う指標群の一部として位置づけられる。単独で完結する万能な尺度というより、分母の選び方や目的に応じて複数の変種が使い分けられる。一般に、包含関係の強さを重視する用途では片側正規化型が、対称性や両者のバランスを重視する用途では両側正規化型が選ばれることが多い。

2 数学的定義

2.1 基本となる記法

2.2 よく用いられる定義の系統

2.2.1 片側正規化型（ある集合に対する共通割合）

片側正規化型では、分母にどちらか一方の集合の量を置く。代表例として、AがBにどれだけ含まれているかを表す量は \[

\] のように定義されることがある。これは「AのうちBと共通する割合」を意味するため、Aを基準にした包含度として解釈できる。

2.2.2 両側正規化型（両集合の量を用いた割合）

両側正規化型では、両集合の量を同時に分母に取り入れる。典型的な構成として、和を分母に用いる形が挙げられる： \[

\] この種の形は、両者の規模感に応じて共通部分の寄与が調整され、極端に片方だけが大きい場合にも比較のされ方が変わる。両集合の対称性を意識した指標として扱われることが多い。

2.3 取り得る値の範囲と解釈

離散集合で要素数を分母に用いる場合、一般に分子は分母に対して包含されるので、値は0から1の範囲に収まることが多い。具体的には、共通部分が空なら0、片側正規化ならAが完全にBに含まれるなら1になる。両側正規化型では、両集合が完全に一致すると最大値になるが、片方のみが大きく異なると中間値に落ち着く。測度を用いる場合も同様に、定義した正規化が適切なら値域の解釈は維持される。

3 関連する指標との関係

3.1 交差係数（重なりの指標）との違い

3.2 類似度指標（例：類似率）との比較

類似度指標は、対象間の近さを表すことを目的とし、包含係数と同様に重なりを利用することがある。違いは、類似度が「一致している度合い」全般を総合的に捉えるよう設計される点にある。包含係数は、基準として置かれた集合に対して共通部分がどれだけ出ているかという観点が前面に出やすい。そのため、類似度として報告する場合は、どの正規化が採用されているかが特に重要になる。

3.3 距離指標（例：差の大きさ）との対応

距離指標は相違の大きさを表すことが多く、包含係数のような重なり尺度とは逆向きの情報になることがある。たとえば、包含係数が高いほど差が小さい、という単調関係が成り立つように変換して距離として扱う工夫が行われる場合がある。ただし、変換した結果が距離の公理（対称性や三角不等式など）を満たすかは、指標の設計に依存する。したがって、距離としての利用には事前の検討が必要である。

4 応用分野

4.1 情報検索における評価

情報検索では、検索結果に含まれる項目集合が「真に関係する集合」とどれほど重なるかが評価対象となる。包含係数は、例えば検索結果のうち正解に当たるものがどれだけ含まれているか、あるいは正解側のうち検索結果に拾えているものがどれだけあるか、といった見方に対応する。片側正規化型は「取りこぼし」や「混入の程度」のどちらを主眼にするかで解釈が変わるため、報告時には基準集合を明示する運用が望ましい。

4.2 データ解析・統計での共通部分の比較

データ解析では、カテゴリ集合や条件集合の共通性を比較する場面がある。たとえば、ある条件を満たす観測の集合が、別の条件でも同時に満たされる度合いを把握したいときに利用できる。測度として確率や割合に対応させる設計も可能であり、標本サイズが異なるケースでも正規化により比較がしやすくなる利点がある。

4.3 機械学習における集合の重なり評価

機械学習では、特徴量の集合、予測ラベル集合、セグメンテーション結果の領域などが対象になる。重なりを測ることで、予測が正解領域をどれだけカバーしているかを定量化できる。包含係数はモデルの学習そのものに直接使われることもあれば、学習後の評価指標として併用されることもある。ここでも分母設計によって評価の重点が変わるため、モデル選定の際に指標の意図を合わせる必要がある。

5 計算方法と注意点

5.1 離散データでの実装

離散集合では、要素の集合演算を行い共通部分を求めることで計算できる。実装上は、要素の表現（IDの集合、ラベル集合など）と重複の扱いに注意する。集合として扱うなら重複は除かれるが、データが多重集合的に現れる場合は、どのレベルで集合化するかを決める必要がある。さらに、分母が集合サイズであるため、前処理により除外やサンプリングを行うと値が変動する。

5.2 欠測や前処理の影響

欠測が存在すると、実際には含まれるべき要素が観測されず、共通部分や集合サイズが過小評価されることがある。前処理でフィルタリングや閾値で要素を削る場合も同様に、分母と分子の両方が変わる可能性がある。したがって、欠測の扱い（除外、補完、別集合への割り当てなど）を定義の外に置かず、評価手順に組み込むことが重要になる。比較実験では、データ生成条件が揃っているか確認が必要である。

5.3 分母がゼロになる場合の扱い

6 解釈上の落とし穴

6.1 集合サイズの偏りによる誤解

片側正規化型は基準集合に依存するため、相手集合が極端に大きい、あるいは小さいと解釈がぶれることがある。例えばAが小さいときに完全一致が起これば値は高くなるが、Aに対してBが大きいだけの状況でも同様に高く見える。したがって、「包含されている」という言葉を使う際には、どちらを基準にした割合なのかを丁寧に区別する必要がある。

6.2 閾値設定と比較可能性

閾値で合否やランク付けを行う場合、指標の定義が揃っていないと比較が成立しにくい。正規化の形式や欠測処理、空集合の扱いによって値の分布が変化するため、ある閾値が別条件でも同じ意味を持つとは限らない。報告では、指標の種類だけでなく計算手順の前提も同時に示すことが比較可能性を高める。

6.3 複数特徴への拡張時の注意

複数の特徴や複数クラスを扱うと、各ペアの指標値を平均化するか、重み付けするかといった設計が必要になる。単純平均はクラス頻度の偏りを反映しやすい一方、重み付け平均は別の解釈をもたらす。さらに、集合の定義が特徴ごとに異なる場合は、分母の意味も揃っていない可能性があるため、指標の整合性を確認してから集約することが求められる。

7 具体例

7.1 簡単な二集合の計算例

7.2 複数対象の比較例

対象が3つあり、それぞれが共通して含む集合がどれほどの比率かを見たいとする。基準を常に同じ集合Aとし、候補集合 \(B_1,B_2,B_3\) を比較するなら、各値はA側から見た包含度として並べられる。ここでは \(A\) が固定なので、比較は「Aのカバー率」の違いとして理解しやすい。反対に基準集合を変える設計だと、値の意味が変わるため、比較は慎重になる。

7.3 共通部分が増えたときの挙動例