G検定 第3章|機械学習の概要

回帰モデルの評価指標(MAE・MSE・RMSE)

予測の「ズレ」は、どうやって測るの?

会話で読んで3分

平均絶対値誤差(MAE)平均二乗誤差(MSE)二乗平均平方根誤差(RMSE)外れ値評価指標

♪この章の曲過去問オーバーフィット

サビで覚えて、下の会話で回収

#1ズレを測る「モノサシ」が3つある

ミコ

前回、家賃を予測したじゃん! でも、どれくらい当たったか分かんない!

シオン

…だから、ズレを測る。予測と正解の差を「誤差」と呼ぶ。

シオン

…回帰でよく使うモノサシは3つ。MAE、MSE、RMSE。

ルナ

3つもいるの? 愛のモノサシは1つでいいのに♡

シオン

…測り方で、見えるものがちがう。今日は同じデータを3通りで測る。

今日のデータ(家賃・単位は万円)
予測正解
部屋A8(ズレ 1)9
部屋B11(ズレ 1)10
部屋C10(ズレ 10)20

#2MAE:ズレの大きさを、そのまま平均

シオン

…MAE、平均絶対値誤差。ズレのプラス・マイナスを消して、平均する。

ミコ

1と1と10で、足して12、3で割って…4!

平均絶対値誤差(MAE)

MAE =(|正解−予測| の合計)÷ データの数

今日のデータ:(1+1+10)÷ 3 = 4(万円)。単位は元の家賃と同じ

シオン

…そう。「平均で4万円外れた」と、そのまま読める。

ルナ

高く外しても安く外しても同じ扱い? 公平なのね♡

#3MSE:大きな外れに、きびしい

シオン

…MSE、平均二乗誤差。ズレを2乗してから平均する。

ミコ

1の2乗は1、10の2乗は…100!? 急にでかい!

平均二乗誤差(MSE)

MSE =((正解−予測)² の合計)÷ データの数

今日のデータ:(1+1+100)÷ 3 = 34。単位は「万円の2乗」になる

シオン

…部屋Cの大外れが、数字を引っぱる。大きな外れを重く見たいときに向く。

ルナ

1回の大きな失敗を、ずっと責められるの…? つらい♡

ミコ

でも34「万円の2乗」って、意味わかんなくない?

#4RMSE:MSEの√で、単位を戻す

シオン

…鋭い。だからMSEの平方根をとる。これがRMSE。

二乗平均平方根誤差(RMSE)

RMSE = √MSE

今日のデータ:√34 ≒ 5.83(万円)。単位が元に戻る。大きな外れを重く見る性質はそのまま

ミコ

MAEは4、RMSEは5.83! RMSEのほうが大きい!

シオン

…大外れがあると、RMSEはMAEより大きく出る。差が大きいほど、大外れがある。

ルナ

√って、心の傷を半分にしてくれるやさしい記号なのね♡

シオン

…半分にはならない。平方根。

#5どれを使う? 外れ値をどう扱うかで決める

ミコ

結局どれがいいの!?

シオン

…外れ値に引っぱられたくない → MAE。大きな外れを重く見たい → MSEかRMSE。

シオン

…結果を元の単位で説明したいなら、MAEかRMSE。

ルナ

ルナは大きな外れを重く見るタイプ♡ 浮気は1回でもアウトなの

シオン

…それは、RMSE型。

ミコ

そのまま平均がMAE、2乗がMSE、√で戻すのがRMSE!

ミコのメモ(自分あて)

試験デンデン! 1問だけ

回帰モデルの評価で、誤差を2乗して平均したあと平方根をとることで、大きな誤差を重く見つつ、元のデータと同じ単位で読めるようにした指標はどれ?

※ 出題範囲を参考にしたオリジナル問題です

この記事の出典

家賃の予測と正解の数字は、計算を見せるための説明用のイメージです。

G検定(JDLA ジェネラリスト検定)のシラバス2024(第1.4版)をもとにした非公式の学習コンテンツです。JDLAとは関係ありません。 登場人物は架空のキャラクターです。

第3章のレッスン

  1. 機械学習の3つのタイプ
  2. 回帰問題と線形回帰
  3. 回帰モデルの評価指標(MAE・MSE・RMSE)
  4. 分類問題(ロジスティック回帰とSVM)
  5. 決定木
  6. アンサンブル学習(バギングとブースティング)
  7. クラスタリング(k-means法と階層的クラスタリング)
  8. 次元削減(主成分分析とt-SNE)
  9. レコメンデーション(推薦システム)
  10. 強化学習
  11. 強化学習の代表的な手法(SARSA・方策勾配法・MARL)
  12. モデルの評価指標(混同行列・適合率・再現率・F値)
  13. ROC曲線とAUC
  14. 過学習と汎化性能
  15. 交差検証とホールドアウト検証