MAEとは
MAE（Mean Absolute Error、平均絶対誤差）とは、回帰モデルの予測値と実際の値との差の絶対値の平均を計算する評価指標です。予測誤差の大きさを直感的に表現でき、外れ値の影響を受けにくいという特長があります。
| ひとことで言うと | 予測と実測の差の絶対値を平均した指標。外れ値に強い。 |
|---|---|
| RMSEとの違い | MAEは全ての誤差を平等に扱う。RMSEは大きな誤差を重く見る。 |
| 注意点 | 大きな外れを許容してよいかは業務次第。両方見て判断する。 |
MAEの計算と解釈
MAEは各サンプルの予測誤差の絶対値を取り、全サンプルの平均を計算します。値が小さいほど予測精度が高く、0は完全な予測を意味します。元のデータと同じ単位で表現されるため、「平均してどの程度の誤差があるか」を直接読み取ることができます。
1外れ値が多いMAEが実態に近い
▶
2大外れが致命的RMSEで重く評価
▶
3両方を計算差が大きければ外れ値あり
▶
4業務要件で選ぶ主指標を決める
MSE/RMSEとの比較
MAEはすべての誤差を均等に扱うのに対し、MSE/RMSEは大きな誤差に対して不均衡に大きなペナルティを与えます。そのため、MAEは外れ値に頑健であり、誤差の分布が歪んでいる場合やすべての誤差を平等に扱いたい場合に適しています。一方、大きな誤差を特に避けたい場合はRMSEの方が適切です。
MAEの活用場面
MAEは需要予測、天気予報、エネルギー消費予測など、さまざまな回帰タスクで使用されています。実務では、ビジネス上の意思決定においてMAEの方がRMSEよりも解釈しやすい場合が多く、ステークホルダーへの説明にも適しています。