Pinball損失計算ツール|分位点損失を計算

分位点τと、実測値・予測値の列を入力すると、Pinball損失(分位点損失、quantile loss)の平均を計算します。あわせて「実測値が予測値以下になった割合」を表示するので、90%点などの上限予測が狙いどおりになっているかを確認できます。分位点回帰や需要の幅予測の評価に使えます。

Pinball損失(分位点損失)計算ツール

分位点τを指定して、実測値と予測値からPinball損失(分位点損失)の平均を計算します。分位点回帰の評価に使えます。

使い方

  1. 「実測値」と、評価したい分位点の予測値を同じ順番で入力します。
  2. 分位点τを0より大きく1より小さい値で入力します。90%点の予測なら0.9、中央値の予測なら0.5です。
  3. 「計算する」を押すと、Pinball損失の平均と、実測値 ≤ 予測値 となった割合が表示されます。

計算式

残差 r = y − ŷ
r ≥ 0 のとき  L = τ × r
r < 0 のとき  L = (1 − τ) × |r|
Pinball損失 = (1/n) × Σ L

y は実測値、ŷ は予測値、τ は分位点です。τが大きいほど、予測が実測を下回ったとき(r ≥ 0)の罰が重くなります。τ = 0.5 のときは MAE のちょうど半分になります。

計算例

サンプルの実測値 10, 12, 9, 15, 11 と予測値 12, 12, 11, 13, 14、τ = 0.9 で計算します。

# 実測値 予測値 残差 r 損失
1 10 12 −2 0.2
2 12 12 0 0
3 9 11 −2 0.2
4 15 13 2 1.8
5 11 14 −3 0.3

4行目だけが予測を上回っており、0.9 × 2 = 1.8 と大きな損失になっています。合計 2.5 を5で割って、Pinball損失 = 0.5 です。実測値 ≤ 予測値 の割合は 4/5 = 80% でした。

結果の見方

  • Pinball損失は小さいほどよい予測です。同じτで複数のモデルを比べるときに使います。
  • 「実測値 ≤ 予測値 の割合」がτに近ければ、分位点の予測として狙いどおりの位置にあるといえます。サンプルでは目標90%に対して80%なので、予測がやや低めです。
  • τ = 0.9 では、下回ったときの罰が上回ったときの9倍です。在庫切れを避けたい場面など、外し方の重みが非対称なときに向いています。

分位点予測が役立つ場面

通常の回帰は「平均的な値」を予測しますが、実務では「多めに見積もった値」や「少なめに見積もった値」が必要になることがあります。たとえば在庫の発注では、品切れを避けるために90%点の需要を予測したい場面があります。このような予測を学習・評価するときに使うのがPinball損失です。

Pinball損失を最小化すると、予測は指定した分位点に近づきます。勾配ブースティングのライブラリなどでは、損失関数として分位点損失を選べるものがあります。下限(例:τ = 0.1)と上限(例:τ = 0.9)の2つのモデルを作れば、予測の幅(予測区間)を示すこともできます。区間の評価では、実測値が区間に入った割合もあわせて確認しましょう。

なお、τを変えると損失の大きさの基準も変わるため、異なるτのPinball損失どうしを比べることはできません。比べるのは、同じτで評価したモデルどうしに限りましょう。

注意点

  • τは評価したい予測が「何%点の予測か」に合わせて設定します。違うτで評価すると正しく比べられません。
  • 件数が少ないと、実測値 ≤ 予測値 の割合は大きくぶれます。カバー率の評価には十分なデータが必要です。
  • 予測区間(下限と上限)を評価するときは、下限側(例:τ = 0.1)と上限側(例:τ = 0.9)をそれぞれ計算します。

Pinball損失(分位点)のよくある質問

Q. Pinball損失と分位点損失は同じものですか?

A. 同じものです。quantile loss とも呼ばれ、グラフの形がピンボールの台に似ていることからPinball損失と呼ばれます。

Q. τ=0.5のPinball損失はMAEと同じですか?

A. τ = 0.5 のときは、MAEのちょうど半分の値になります。順位づけは同じなので、中央値の予測の評価にあたります。

Q. 分位点予測の良し悪しはどう判断しますか?

A. Pinball損失が小さいことに加え、実測値が予測値以下になる割合がτに近いかを確認します。このツールでは両方を表示します。