MSEとは
MSE（Mean Squared Error、平均二乗誤差）とは、回帰モデルの予測値と実際の値との差の二乗の平均を計算する評価指標です。予測誤差を定量化する最も基本的な指標の一つであり、値が小さいほどモデルの予測精度が高いことを示します。
| ひとことで言うと | 回帰の予測誤差を2乗して平均した指標。低いほど良い。 |
|---|---|
| どこで使う | 売上予測、需要予測など、数値を当てるモデルの評価。 |
| 注意点 | 2乗するため外れ値の影響が非常に大きい。単位も元データの2乗になる。 |
MSEの計算方法
MSEは各サンプルの予測誤差（予測値 - 実際の値）を二乗し、全サンプルの平均を取ることで計算されます。誤差を二乗するため、大きな誤差に対して不均衡に大きなペナルティを与えるという特徴があります。これにより外れ値の影響を強く受ける傾向があります。
1予測値と実測値全件そろえる
▶
2差を取るズレを計算
▶
32乗する大きなズレを強調
▶
4平均する1つの数値にまとめる
MSEの特性
MSEは常に0以上の値を取り、0に近いほど良い予測を意味します。微分可能であるため、勾配降下法による最適化に適しており、多くの機械学習アルゴリズムの損失関数として採用されています。一方で、単位が元のデータの二乗になるため、解釈が直感的でないという欠点があります。
MSEとRMSEの関係
MSEの平方根を取ったものがRMSE（Root Mean Squared Error）です。RMSEは元のデータと同じ単位を持つため、誤差の大きさを直感的に理解しやすくなります。MSEは最適化の目的関数として、RMSEはモデルの性能報告に使い分けられることが多いです。