実測値と予測値の列を貼り付けると、MAE(平均絶対誤差)と各データの誤差の絶対値を一覧で計算します。予測が平均してどれくらい外れているかを、実測値と同じ単位で確認できます。回帰モデルの精度確認や、売上・気温などの予測の振り返りに使えます。
MAE(平均絶対誤差)計算ツール
実測値と予測値を貼り付けるだけで、MAE(平均絶対誤差)と各データの誤差を計算します。
使い方
- 「実測値」の欄に、実際に観測された値を1行に1つずつ(またはカンマ・スペース区切りで)入力します。
- 「予測値」の欄に、モデルが出した予測を同じ順番で入力します。個数は実測値とそろえてください。
- 「計算する」を押すと、MAE・データ数・最大の誤差と、各行の誤差の絶対値が表示されます。
計算式
MAE = (1/n) × Σ |yᵢ − ŷᵢ|
yᵢ は i 番目の実測値、ŷᵢ は i 番目の予測値、n はデータの個数です。| | は絶対値で、プラスの誤差とマイナスの誤差が打ち消し合わないようにしています。
計算例
サンプルの実測値 3, −0.5, 2, 7 と予測値 2.5, 0, 2, 8 で計算します。
| # | 実測値 | 予測値 | |誤差| |
|---|---|---|---|
| 1 | 3 | 2.5 | 0.5 |
| 2 | −0.5 | 0 | 0.5 |
| 3 | 2 | 2 | 0 |
| 4 | 7 | 8 | 1 |
誤差の絶対値の合計は 0.5 + 0.5 + 0 + 1 = 2 です。これをデータ数 4 で割ると、MAE = 2 ÷ 4 = 0.5 になります。最大の誤差は4行目の 1 です。
結果の見方
MAEは「予測が平均してどれくらい外れているか」を、実測値と同じ単位で表します。たとえば売上(万円)の予測でMAEが0.5なら、平均して約0.5万円ずれているという意味です。0に近いほど良い予測です。
- MAEがよい・悪いの絶対的な基準はありません。実測値の大きさや、業務で許容できる誤差と比べて判断します。
- 同じデータで別のモデルと比べる場合は、MAEが小さいほうが平均的な外れが小さいモデルです。
- RMSEとMAEの差が大きいときは、一部に大きな外れがある可能性があります。
MAEとほかの誤差指標の使い分け
回帰の評価指標にはMAEのほかに、MSE・RMSE・MAPE・WAPEなどがあります。MAEは誤差をそのままの大きさで平均するので、「1件あたり平均でどれだけずれるか」を説明しやすいのが長所です。一方で、誤差の大小をすべて同じ重みで数えるため、大きな外れが業務上とくに困る場面では、2乗で数えるRMSEのほうが実態に合うことがあります。
また、MAEは予測を「中央値」に近づけると小さくなる性質があります。平均値ではなく中央値をねらった予測を評価したいときには、MAEが自然な選択です。データの単位をそろえたうえで、MAEとRMSEを並べて報告すると、平均的なずれと外れ値の影響を同時に伝えられます。
注意点
- MAEはすべての誤差を同じ重みで数えるため、まれに起きる大きな外れを重く見たい場合にはRMSEのほうが向いています。
- 単位をもつ指標なので、スケールの違うデータ(売上と来店数など)どうしでMAEを比べることはできません。割合で比べたい場合はMAPEやWAPEを使います。
- 実測値と予測値の順番がずれていると、正しい結果になりません。並び順を必ず確認してください。
- データ数が少ないと、1件の外れでMAEが大きく変わります。検証用データは十分な件数を用意しましょう。
MAE(平均絶対誤差)のよくある質問
Q. MAEとRMSEはどちらを使えばよいですか?
A. 平均的な外れの大きさを知りたいならMAE、大きな外れを強く罰したいならRMSEが向いています。両方を出して差を見ると、外れ値の有無も確認できます。
Q. MAEに単位はありますか?
A. あります。MAEは実測値と同じ単位です。円の予測なら円、℃の予測なら℃で読み取れます。
Q. MAEはExcelでも計算できますか?
A. できます。誤差の絶対値をABS関数で求めて、AVERAGE関数で平均すればMAEになります。このツールでは途中の表も確認できます。
