← 地図へ戻る

AI — 公式の種別は、交付税の算定に使う施設延長で読めるのか

読める。係留・外郭施設延長だけで、 多数派ベースラインを macro-F1 で 0.233 上回った。

種別は法令上「利用範囲」で定義されており、施設の大きさでは決まらない。それでも施設延長だけで合格ラインを越えたので、種別と施設延長は強く結びついている。

施設延長は、施設の実際の長さではない。国土数値情報(漁港データ)のメタデータは、この二つの属性を次のように説明している —— 「なお、本データの属性「外郭施設延長」「係留施設延長」は普通交付税算定基準（普通交付税に関する省令第５条）に基づく数値であり、実際の施設延長数値とは異なる。」。 最初の版(2026-09-14)はこれを読まずに「施設の規模」と呼び、 さらに施設延長 0 を値として学習していた。0 は八戸(特定第3種)にも付いていて、 青森県・岩手県に固まる欠測の印である。2026-09-15 に 0 の港を外して学習し直すと、最初の版の答え「読めない」(多数派との差 0.128)は「読める」(差 0.233)に変わった。 合格ライン・予想の文面・手順は変えていない。

対象 2,533 港(施設延長のある港だけ。無い港と 0 の港は外した)/ 種別: 水産庁 漁港一覧(令和8年4月1日現在) / 施設延長: 国土数値情報 漁港データ C09-06(平成18年度)

比べたモデル

同じ層化 5 分割 × 5 反復の交差検証で比べた。 値はすべてその港を学習に使っていないモデルの答え(分割外予測)から出している。 種別の偏りは全モデルで同じ重みで補正し、ハイパーパラメータは調整していない。 特定第3種は 12 港しかないので、指標は正解率ではなく macro-F1 にした。

± は反復 5 回の macro-F1 の標準誤差。

ニューラルネットを出すかどうか

ニューラルネット(MLP)は、非ニューラルネットで最良のロジスティック回帰 — 施設延長+属性を1 標準誤差を超えて上回ったときだけ出す、と実測の前に決めた。 結果は 上回らなかったので、 地図の各港の AI 欄には ロジスティック回帰 — 施設延長+属性の答えを出している(公式の種別と一致したのは 67.2%)。

ただし交差検証の反復は「分割」のばらつきしか見ていない。そこで同じ分割のまま MLP の初期化の乱数だけを 5 通りに替えて測った。 線(0.473)を越えたのは 0 通り (乱数 1: 0.463 / 乱数 2: 0.446 / 乱数 3: 0.440 / 乱数 4: 0.465 / 乱数 20260914: 0.458)で、どの乱数でも線を越えなかったので、ニューラルネットを出さない判断は乱数によって変わらない。

実測の前に書いた予想と、その結果

予想の文面は測る前に仕様書へ書き、測った後に変えていない。外れたものも外れたと書く。

測って分かったこと

• 第4種は施設延長だけでは見分けにくく、属性を足すと見分けやすくなる。施設延長だけの再現率 0.276、離島・国境離島などの属性を足すと 0.465。第4種は「離島その他辺地」で定義される種別である。
• 特定第3種の取り違えは、第3種へ向かうのがいちばん多い。特定第3種の誤りの最頻先 = 3(誤り 24 件中 第3種 22 件、logistic_full・5 反復の合算)。
• 管理者区分を特徴に入れなかった理由。管理者区分だけで学習すると、 第4種の再現率は 0.878(施設延長だけでは 0.276)、第3種は 0.000(同 0.598)。第4種はほぼ都道府県が管理するので、 当たるとしてもそれは種別の帰結を覚えただけで、手がかりではない。予想した「第3・第4種とも規模だけより高い」は成り立たなかった(予想の文面は登録したときのまま)。

この AI が言っていないこと

• 公式と違う答えが出た港について、指定が誤っているとは言っていない
• 水揚げ量・魚種・経営は入っていない(港別のデータが公開されていないため)
• 施設延長は平成18年度、種別は令和8年の値である。その間に施設が変わった港では、 答えが古い施設延長に引きずられる
• 座標・都道府県は入れていない(地域を覚えて当ててしまうため)

出荷したモデルの取り違え

行が公式の種別、列が ロジスティック回帰 — 施設延長+属性 の答え。5 反復の合算なので、各港が 5 回数えられている。