MAPEとは
MAPE（Mean Absolute Percentage Error、平均絶対パーセント誤差）とは、回帰モデルの予測誤差を実際の値に対するパーセンテージで表す評価指標です。誤差の割合を直感的に理解でき、異なるスケールのデータ間での比較が可能なため、ビジネスの現場で広く使われています。
| ひとことで言うと | 誤差を実測値に対する割合（%）で表した指標。 |
|---|---|
| 何がうれしいか | 「平均10%ずれる」と、規模の違う商品同士でも比較できる。 |
| 注意点 | 実測値が0や極小だと計算が破綻する。需要が少ない商品では使えない。 |
MAPEの計算方法
MAPEは各サンプルの |（実際の値 - 予測値）/ 実際の値| を計算し、その平均をパーセンテージで表します。例えば、MAPE=10%であれば、予測が平均して実際の値から10%の誤差があることを意味します。値が小さいほど予測精度が高いことを示します。
1誤差を求める予測−実測の絶対値
▶
2実測値で割る割合にする
▶
3%に変換100を掛ける
▶
4平均する「平均10%の誤差」
MAPEの利点
MAPEの最大の利点はスケールに依存しないことです。MAEやRMSEは予測対象の単位やスケールによって値が変わりますが、MAPEはパーセンテージで表されるため、異なる製品の売上予測や異なる地域の気温予測など、スケールの異なるタスク間でも性能を比較できます。
MAPEの限界
MAPEには重要な欠点があります。実際の値が0または0に近い場合、分母が0に近づくため値が無限大に発散します。また、過大予測と過小予測を非対称に扱うという特性もあります。これらの問題に対処するために、sMAPE（対称MAPE）やWAPE（加重絶対パーセント誤差）といった改良指標が提案されています。