
【第121回】AIの予測はどれくらいズレている?MAEとRMSEとは
前回まで、AIが「犬か猫か」を当てるような「分類」の評価方法(ROC曲線やAUC)について学びました。 でも、AIがやることは「分類」だけではありません。「明日の気温は何度になるか?」「この商品の来月の売上はいくつになるか?」といった、具体的な「数字」を当てる予測(回帰)という仕事もあります。
数字を当てる場合、「正解か不正解か」ではなく、「正解からどれくらいズレたか(誤差)」が重要になります。 今回は、その「ズレ」を測るための2つの代表的なモノサシ、「MAE」と「RMSE」について解説します!
1. 読み方
MAE = エムエーイー
RMSE = アールエムエスイー
2. 意味(定義)
どちらも「予測値と実際の値がどれだけ離れているか」を計算するものですが、考え方が少し違います。 身近な例えとして、「的に向かって矢を射るゲーム」で考えてみましょう。
【MAE(平均絶対誤差)】 これは、シンプルに「平均して、中心から何センチズレたか」を見る方法です。
1本目は右に5cmズレた。
2本目は左に3cmズレた。
3本目は右に4cmズレた。
これらを全部足して3で割れば、「平均して4cmズレた」となります。
これがMAEです。 とにかく「平均的なズレ」を素直に知りたいときに使います。
【RMSE(平方根平均二乗誤差)】 こちらは、「大外れをめちゃくちゃ厳しく評価する」方法です。 計算の途中で「ズレた距離を2乗」するため、ちょっとしたズレよりも、「とんでもない大外れ」をした時に数値が跳ね上がります。
1本目は右に1cmズレた(1の2乗=1)。
2本目は左に2cmズレた(2の2乗=4)。
3本目は右に10cmの大外れだった(10の2乗=100!)。
最後にルート(平方根)をかけて戻しますが、この「100」という大きな数字が平均をガツンと押し上げます。
つまり、「たまに起こる大外れが許されないとき」に便利なモノサシです。
3. 歴史・背景
AIが数字を予測する「回帰」という分野では、昔から「どうすれば誤差を最小にできるか」が研究されてきました。
単純にズレを足し算すると、「プラスのズレ」と「マイナスのズレ」が打ち消し合って、合計が0になってしまうという問題がありました(例:+10度ズレた日とー10度ズレた日があるとき、平均ズレが0になってしまう)。 そこで、「絶対値にする(MAE)」か、「2乗してプラスにする(RMSE)」という工夫が生まれました。
特にディープラーニングなどの計算では、数学的に扱いやすい「2乗」を使ったRMSE(やそのもととなるMSE)が非常によく使われるようになりました。
4. 比較・対比(似た用語との違い)
MAEとRMSE、どちらを使えばいいのか迷いますよね。違いを整理しましょう。
【MAE(平均絶対誤差)】
特徴: ズレをそのまま平均します。
感覚: 「だいたいこれくらいズレるよね」という安定感があります。
弱点: 大きな外れ値があっても、数値がそれほど激しく変動しません。
【RMSE(平方根平均二乗誤差)】
特徴: ズレを2乗してから平均し、最後にルートをかぶせます。
感覚: 「大外れがあるぞ!危険だ!」という警戒心があります。
強点: 外れ値に非常に敏感なので、「大きなミスを減らしたい」ときに最適です。
5. 活用シーン(実社会のどこで、どんな問題に使うか)
① 商品の在庫予測(MAEを活用) コンビニのパンの売上予測など、「だいたい正解に近い数字」を出してほしいケースです。たまに1個2個予測が大きく外れても、全体的な平均的なズレが小さければ運用に支障がないため、素直な指標であるMAEが向いています。
② 自動運転のブレーキ距離予測(RMSEを活用) 「だいたい合っている」だけでは不十分なケースです。「10cmのズレ」は許容できても、「10mの大外れ」が一度でもあれば大事故になります。このように「大きな誤差が致命的なリスクになる」場合は、大外れを厳しく検知できるRMSEを使ってAIを改善します。
6. G検定での出題傾向
この2つの指標は、「計算式」よりも「どのような性質を持っているか」という概念問題が出やすいです。
外れ値への感度: 「外れ値の影響を強く受けるのはどちらか?」という問いに対し、「RMSE」と答えられるようにしましょう。
指標の目的: 「大外れを厳しく評価したい場合に適した指標はどれか?」というパターンです。
回帰の評価: これらが「分類」ではなく「回帰(数値予測)」の評価指標であるという基本設定を間違えないようにしてください。
7. G検定の例題
【問題1:基礎的な定義】 回帰モデルの評価指標であるMAE(平均絶対誤差)の説明として、最も適切なものはどれか?
A. 予測値と実測値の差を2乗して平均したものである
B. 予測値と実測値の差の絶対値を平均したものである
C. 予測値と実測値の比率を計算したものである
D. 予測値が正解した割合をパーセントで表したものである
【問題2:特徴に関する問題】 データの中に、極端に大きな誤差(外れ値)が含まれている場合、その影響をより強く反映し、数値が大きく上昇するのはどちらの指標か?
A. MAE
B. RMSE
C. 正解率(Accuracy)
D. 適合率(Precision)
【問題3:ひっかけ問題】 RMSE(平方根平均二乗誤差)について、誤っている記述はどれか?
A. 誤差を2乗するため、負の誤差が正の誤差として計算される
B. 最終的に平方根(ルート)をとることで、単位を元の値に揃えている
C. MAEよりも、外れ値に対して寛容な(影響を受けにくい)指標である
D. 回帰分析において、モデルの予測性能を評価するために用いられる
8. 7の例題の回答と解説
【問題1:回答】B
【解説】MAEの「A」はAbsolute(絶対値)の略です。ズレをそのままの距離(絶対値)で計算して平均したものがMAEです。AはMSE(平均二乗誤差)の説明になります。
【問題2:回答】B
【解説】 A. MAE / B. RMSEは、回帰モデル(数値を予測する)の指標で、C. 正解率 / D. 適合率は、分類モデル(イエス・ノーを予測する)の指標です。RMSEは計算過程で「2乗」します。例えば「誤差10」を2乗すると「100」になります。このため、大きな誤差があるほど数値が跳ね上がり、外れ値に敏感な特性を持ちます。
【問題3:回答】C
【解説】【ひっかけポイント!】 RMSEは外れ値に対して「寛容」ではなく、むしろ「厳しい(敏感)」指標です。外れ値があるだけで数値がガツンと上がるため、外れ値を放置できない時に使います。外れ値に影響されにくい(=寛容な)のはMAEの方です。
9. Ankiアプリ用(CSV形式)
MAEの正式名称と意味は?,平均絶対誤差。予測値と実測値の差の絶対値を平均したもの。
RMSEの正式名称と意味は?,平方根平均二乗誤差。誤差を2乗して平均し、その平方根をとったもの。
外れ値(大きな誤差)の影響を強く受ける指標はどちらか?,RMSE
「だいたいの平均的なズレ」を知りたい時に適した指標は?,MAE
RMSEが2乗の計算を行う主な理由は何か?,負の誤差をなくし、かつ大きな誤差に大きなペナルティを与えるため。
📝 総評・まとめ
お疲れ様でした!「分類」の評価はAUC、「数値予測」の評価はMAEとRMSE、という使い分けがバッチリできましたね。 「素直な平均のMAE」か「大外れに厳しいRMSE」か。この使い分けの感覚さえ掴んでいれば、試験でも実務でも迷うことはありません!
✅ 絶対に覚えて!
MAE = 絶対値の平均(素直なズレ)
RMSE = 2乗してルート(大外れに厳しい)
外れ値に敏感なのは RMSE!
🚀 次回予告
AIの評価方法をマスターしましたが、実はAI開発には「あるあるな罠」が存在します。 「学習データでは100点満点だったのに、本番で使ったら全然ダメだった」 そんな悲劇の原因となる、禁断のミス「データリーケージ」について解説します。これをやると、試験でも実務でも致命的なミスになりますよ!次回は、【第122回】なぜAIは本番で急に使えなくなる?データリーケージとはでお会いしましょう。
✅ この記事が役に立ったら「スキ」で応援してください!
あなたの応援が、次の解説を作るエネルギーになります!🚀