MSE・RMSE・MAE（回帰モデルの評価指標）
解説：予測の「ズレ」をどう採点するか
これら3つの指標は、売上予測や気温予測などの「回帰問題（数値を当てるタスク）」において、AIの予測が正解からどれくらいズレているか（誤差）を測るためのモノサシです。
基本的には「値が小さいほど優秀（ズレが少ない）」ですが、誤差の計算方法によって性格が異なります。
| 略称 | 正式名称 | 特徴と使い分け |
|---|---|---|
| MSE | 平均二乗誤差 (Mean Squared Error) |
「大きな失敗を許さない」 誤差を二乗するため、大きなミスほどペナルティが巨大になる。 注意：単位も二乗される（円→円²）ため、直感的に分かりにくい。 |
| RMSE | 二乗平均平方根誤差 (Root Mean Squared Error) |
「MSEを見やすくした版」 MSEのルート（√）をとったもの。 単位が元のデータと同じ（円→円）に戻るため、直感的に理解しやすい。 |
| MAE | 平均絶対誤差 (Mean Absolute Error) |
「外れ値に惑わされない」 誤差の絶対値を足すだけ。 突発的な異常値（外れ値）があっても、評価結果が極端に悪化しにくい。 |
「二乗」か「絶対値」かで何が変わる？
例えば、予測を「1」外した場合と、「10」外した場合を比べてみましょう。
- MAE（絶対値）： 誤差が10倍になれば、ペナルティも素直に10倍。
- MSE（二乗）： 誤差が10倍になると、ペナルティは10×10で100倍になる！
つまり、MSEやRMSEは「1回の大失敗は、100回の小さなミスより罪が重い」と判断する指標です。医療や金融など、致命的なミスを避けたい場面で使われます。
G検定対策
出題ポイント
- 対象タスク：これらは「分類問題」ではなく、「回帰問題」で使われる指標であること。
- 外れ値への反応：
- MSE・RMSEは、二乗するため外れ値（大きな誤差）の影響を強く受ける。
- MAEは、絶対値なので外れ値の影響を受けにくい（ロバスト性が高い）。
- 単位：MSEだけ単位が「二乗」になっており、人間には直感的にわかりにくい。
ひっかけ対策
- × RMSEは外れ値の影響を受けにくい
（解説）ルートをとっていても中身はMSE（二乗）なので、外れ値には敏感です。 - × 分類問題の評価にMSEを使う
（解説）分類では混同行列や正解率、交差エントロピー誤差などを使います。
