RMSEの理解
問題
RMSEに関する記述として正しいものを1つ選べ。
解説
RMSE(Root Mean Squared Error:二乗平均平方根誤差)は、MSE(平均二乗誤差)の平方根をとった評価指標です。
平方根をとることで誤差の単位が目的変数(予測対象)と同じ単位に戻るため、人間にとって結果が解釈しやすくなるのが最大の特徴です。
実務のAI開発でも、売上予測や需要予測などの回帰タスクにおいて、直感的にモデル精度を報告する際によく重宝されます。
1. RMSEはMSEの平方根で元の単位に戻す
正しい:RMSEはMSEの平方根をとることで、誤差を元のデータと同じ単位に戻すため、解釈がしやすくなります。
2. RMSEは誤差を2乗しない
誤り:RMSEはMSEの平方根であるため、計算の過程(MSEの段階)で誤差の2乗を含んでいます。
3. RMSEは外れ値に強い
誤り:RMSEはMSEをベースにしているため、MSEと同様に外れ値(極端に大きな誤差)の影響を受けやすい(弱い)性質を持ちます。
4. RMSEは分類モデルで使う
誤り:RMSEは分類モデルではなく、連続値を予測する回帰モデルの評価指標として用いられます。
📚 より詳細を学びたい方へ
同じカテゴリの問題
- 教師あり学習の基本要件
- 回帰問題の理解
- 分類問題の特徴
- 決定木モデルの性質
- サポートベクターマシン(SVM)の理解
- カーネルとカーネルトリック
- 重回帰分析の理解
- 勾配ブースティングの特徴
- 多クラス分類の理解
- 教師あり学習のビジネス応用
- アンサンブル学習の基本概念
- バギングの特徴
- ブートストラップサンプリングの理解
- ランダムフォレストの性質
- ブースティングの理解
- ランダムフォレストの特徴
- 自己回帰モデル(AR)の理解
- VARモデルの特徴
- マージン最大化の理解
- ロジスティック回帰の理解
- 教師なし学習の基本概念
- k-means法の理解
- t-SNEの特徴
- ウォード法の理解
- 協調フィルタリングの理解
- クラスタリングの特徴
- 次元削減の理解
- 主成分分析(PCA)の理解
- 潜在的ディリクレ配分法(LDA)の理解
- 多次元尺度構成法(MDS)の理解
- デンドログラムの理解
- 特異値分解(SVD)の理解
- コンテンツベースフィルタリングの理解
- クラスタ分類の理解
- 強化学習の基本概念
- 方策(Policy)の理解
- 価値関数の理解
- 行動価値関数Q(s,a)の理解
- 状態価値関数V(s)の理解
- TD誤差の理解
- Actor-Criticの理解
- Q学習の特徴
- ε-greedy方策の理解
- UCB方策の理解
- バンディット問題の理解
- 方策勾配法の理解
- REINFORCEの特徴
- マルコフ決定過程(MDP)の理解
- マルコフ性の理解
- 期待割引報酬の理解
- 割引率γの理解
- 汎化性能の理解
- 訓練誤差と汎化誤差
- ホールドアウト検証の理解
- 交差検証の特徴
- k-分割交差検証の理解
- 混同行列の理解
- 偽陽性・偽陰性の理解
- 正解率の計算
- 適合率の計算
- 再現率の計算
- F値の理解
- 回帰指標MSEの理解
- RMSEの理解
- MAEの理解
- ROC曲線の理解
- AICの理解
- BICとオッカムの剃刀


