ウェアラブルデバイスの普及により脳波データを活用した計測や解析などのサービスが登場した．こうしたサービスの中でも，機械学習による客観的な推定を行うことで，医療分野における診断支援などへの応用も検討されている．しかし，脳波を扱う機械学習には脳波の持つ個人差や非定常性によって発生するドメインシフトの影響が精度低下につながる．そこで，先行研究では個人差評価にドメインシフト評価指標として個人のドメイン間の距離を用いることを提案し，健常者とうつ病患者のドメイン間の距離が大きいことを示した．だが，実際に個人差評価を機械学習モデルへ応用することによる精度への影響については検証が行われていない．よって，本論文では，個人差評価を機械学習モデルに応用することによる精度向上を目的とし，脳波の個人差評価によるドメイン適応手法の提案を行う．提案手法の手順として，テストデータと他の個人のデータとの個人差評価を行い，テストデータと個人差の小さい個人のデータを学習データとして用いた．結果として，3人分のデータで学習した場合に，全体のデータで学習した場合よりも精度が約12%向上することが示された．
