MAE

中央絶対誤差は、機械学習モデルの良し悪しを測る物差しの一つです。この物差しは、予測値と正解値の差を基に計算されます。具体的には、幾つかのデータそれぞれについて、予測値と正解値がどれくらい離れているかを調べます。それぞれの差を正の値に変換し、それらを大きさの順に並べます。そして、ちょうど真ん中に来る値が中央絶対誤差です。 中央絶対誤差を使う大きな利点は、極端に大きな誤差があるデータの影響を受けにくいことです。例えば、ほとんどのデータで予測値と正解値の差が１程度だったとしても、一つだけ差が１００もあるデータがあるとします。この場合、差の平均値は１０近くになり、モデルの性能が実際よりも悪く見えてしまいます。しかし、中央絶対誤差では、真ん中の値を見るので、極端な値に引きずられることなく、真の性能に近い値を得られます。 中央絶対誤差と似た指標に平均絶対誤差というものがあります。これは、全ての誤差の平均値をとる物差しです。平均絶対誤差は計算が簡単ですが、先ほど説明したように、極端な値に影響されやすい欠点があります。１０個のデータのうち、９個の誤差が１で、１個が１００の場合を考えると、平均絶対誤差は約１０になりますが、中央絶対誤差は１のままです。このように、外れ値が含まれている可能性がある場合は、中央絶対誤差の方がより信頼できる指標と言えます。 中央絶対誤差は、モデルの典型的な誤差を捉えるのに役立ちます。つまり、多くのデータでどれくらいの誤差が出ているかを把握するのに適しています。ただし、誤差の全体像を把握したい場合は、他の指標も併せて見るのが良いでしょう。中央絶対誤差はあくまでも一つの指標であり、それだけで全てを判断することはできません。様々な指標を組み合わせて使うことで、より深くモデルの性能を理解することができます。