![見出し画像](https://assets.st-note.com/production/uploads/images/118176143/rectangle_large_type_2_63ae43493ba9ae091bd5be6701586798.png?width=800)
回帰モデルの評価指標 - MAE,RMSEなど
回帰モデルの評価指標を整理。
ChatGPTに「このサンプルデータを高校生がわかるようにやさしくおしえて」とお願いしてみた。
MSEは直感的に理解しにくいので、MAEやRMSEで説明するのがわかりやすいのかも。
この予測値は、
MAE:「プラスマイナス3.3の誤差があります。」
MSE:「二乗誤差の平均として12.9の誤差があります。」
RMSE:「特に大きな誤差を重視する評価基準では3.6の誤差があります。」
MAPE:「平均で実際の値から約4.5%の誤差があります。」
R2:「このモデルはデータの変動の83.0%を説明しています。」
![](https://assets.st-note.com/img/1696569263785-4drIliVWvw.png)
RMSE の計算はMSEを使う:
![](https://assets.st-note.com/img/1696568073804-bQVgSVawS0.png)
MAE (Mean Absolute Error):平均絶対誤差
・最も基本的で直感的なエラー指標です。
・予測値と実際の値の差の絶対値を取り、それらの平均を計算します。
MSE (Mean Squared Error):平均二乗誤差
・MAEと似たような指標ですが、エラーを二乗して平均を取る点が異なります。
・エラーの二乗を計算することで、大きなエラーをより重視します。
RMSE (Root Mean Square Error):二乗平均平方根誤差
・MSEの平方根を取ることで、エラーを元の単位に戻します。
・MSEと同様に、大きなエラーを重視する特性があります。
MAPE (Mean Absolute Percentage Error):平均絶対パーセンテージ誤差
・予測エラーをパーセンテージで表現し、エラーの相対的な大きさを評価します。
・MAEと似ていますが、エラーをパーセンテージで表現する点が異なります。
R2 :決定係数
・これまでのエラーメトリクスとは異なり、モデルがどれだけデータの変動を説明できるかを評価します。
・1に近い値は、モデルがデータの変動を良く説明していることを示します。
この記事が気に入ったらサポートをしてみませんか?