平均二乗誤差計算機

平均二乗誤差は一般に MSE と略され、実際の観測値と予測値の差を二乗した値の平均を表します。各ペアについて実測値から予測値を引き、その誤差を二乗し、すべてを合計してペア数で割ります。ゼロなら、すべての予測が観測と完全に一致しています。大きいほど予測誤差が大きいことを示しますが、実際の意味は目的変数の尺度によって変わります。 二乗には二つの役割があります。正負の誤差が相殺されず、大きな誤差が小さな誤差より重く評価されます。誤差が四なら二乗単位で十六を寄与しますが、誤差が二なら四だけです。大きな外れの損失が特に大きい場合にMSEが有用な一方、外れ値がスコアを支配する可能性もあります。MSEの単位は目的変数の単位の二乗なので、直接解釈しにくいことがあります。 二乗平均平方根誤差、RMSEはMSEの平方根です。大きな誤差の強い影響を保ったまま、元の目的変数の単位に戻します。予測温度を度で測るなら、RMSEも度で表されます。データサイエンスでは、最適化にはMSE、説明にはRMSEを併用することがよくあります。平方根は単調なため、同じ観測データで評価する限り、MSEとRMSEによるモデル順位は一致します。 平均絶対誤差、MAEは各誤差の絶対値を平均します。元の単位を使う点は同じですが、誤差の各単位を等しく重み付けします。MAEとRMSEを比較すると、モデルがときどき大きく外すかどうかがわかります。RMSEがMAEより大幅に大きい場合、少数の大きな誤差が含まれている可能性があります。万能な指標はありません。誤差の実際の損失に応じて選び、モデル比較では指標を統一してください。 この計算機では各予測が一つの観測に対応する必要があるため、実測値と予測値のリストは同じ長さでなければなりません。順序も重要です。最初の予測値は最初の実測値と、二番目は二番目と比較されます。両方のリストに有効な数値が入っていても、記録の欠落や対応のずれがあれば評価は誤解を招きます。結果を解釈する前に、ペアデータを慎重に整えてください。 MSEは回帰、予測、信号処理、機械学習で広く使われます。尺度に依存するため、異なる単位の目的変数から得たスコアを直接比較してはいけません。尺度をまたぐ比較には、正規化した指標やパーセント誤差が適する場合があります。また、一つの要約スコアでは偏り、分散の変化、性能の悪い領域はわからないため、残差プロットや分野固有の影響も確認してください。