DS検定 用語解説
MAEとは
回帰モデルの予測値と実際の値との差の絶対値を平均した指標。二乗してから平方根をとるRMSEとは異なり、大きな誤差を強調せずに誤差の大きさをそのまま反映する。値が小さいほど予測の誤差が小さいことを表す。
この記事の目次
MAEの意味と見分け方
MAEは、DS検定の「第5章 データ準備・可視化技法とモデル化」に出てくる用語です。定義だけでなく、どの場面で使う言葉か、何と混同しやすいか、問題文のどの表現で判断するかまで確認します。
情報源と編集区分
公式範囲を確認し、具体例・誤答例・判断手順は当サイトが編集。
試験概要(公式)比較記事でさらに確認する
試験での問われ方
定義の言い換え
用語そのものではなく、説明文の一部を言い換えて出されることがあります。
似た概念との比較
同じ章の用語と入れ替えた選択肢に注意します。対象、目的、使う場面を分けます。
具体例からの判断
問題文の事例が、定義のどの部分に対応しているかを先に確認します。
誤答しやすいポイント
「第5章 データ準備・可視化技法とモデル化」の問題で、取り違えやすい組み合わせです。
- 標本誤差とサンプリングバイアスの混同。標本誤差は標本抽出に伴う偶然のばらつき、サンプリングバイアスは抽出方法の偏りによる系統的な誤差。
- 過学習を『精度が高いこと』と誤解する。訓練データに過剰適合し未知データへの汎化性能が下がる問題として理解する必要がある。
- Precision(適合率)とRecall(再現率)の取り違え。目的(見逃しを減らしたいか、誤検知を減らしたいか)によって重視する指標が変わる。
関連する確認問題
第5章 データ準備・可視化技法とモデル化 / モデル化・評価
実際には正である対象のうち、分類モデルが正であると判定できた対象の割合を表す指標はどれか。
正解は「Recall」である。Recallは実際に正である対象のうち、分類モデルが正であると判定できた対象の割合を表す指標である。Precisionはモデルが正と判定した対象のうち実際に正であった対象の割合であり、注目する分母が異なる。Accuracyは全ての対象のうち正しく判定できた割合を表すため、実際に正である対象だけに焦点を当てない。MAEは回帰の予測値と実測値の差を絶対値で評価する指標である。見逃しをどれだけ抑えられたかを考えるときは、実際に正である対象を分母にするRecallを確認する。
第5章 データ準備・可視化技法とモデル化 / モデル化・評価
3件の実測値が2、4、6、回帰モデルの予測値が1、4、8だった。各誤差の絶対値を平均して求めるMAEはいくつか。
正解は「1」である。各件の実測値と予測値の差は2-1=1、4-4=0、6-8=-2で、その絶対値は1、0、2となる。MAEは絶対誤差の平均なので、(1+0+2)÷3=3÷3=1である。約0.67は符号付き誤差を一部だけ処理した値、約1.29は同じ誤差から二乗平均の平方根を取るRMSE、3は絶対誤差の合計で平均する前の値である。MAEでは正負の誤差を相殺させず絶対値にしてから平均する。3件の誤差の大きさが1、0、2であるため、その中央だけでなく合計を件数3で割ることが決め手になる。値が0に近いほど予測誤差が小さい。
第5章 データ準備・可視化技法とモデル化 / モデル化・評価
分類モデルが「正である」と判定した対象のうち、実際にも正であった対象の割合を表す指標はどれか。
正解は「Precision」である。Precisionは分類モデルが正と判定した対象のうち、実際にも正であった対象の割合を表す指標である。Recallは実際に正である対象をどれだけ正と判定できたかを表すため、分母となる対象が異なる。Accuracyは分類全体で正しく判定できた割合を表し、正と判定した対象だけに注目しない。MAEは回帰モデルの予測値と実際の値の差を絶対値で評価する指標であり、分類の正・負を扱うものではない。設問では「正と判定した対象のうち」という分母に着目すると、この割合を表す指標はPrecisionである。
同じ章で確認したい用語
到達チェック
- MAEを一文で説明できる
- 同じ章の似た用語と違いを説明できる
- 問題文の具体例から、MAEに関係する論点を拾える
- 関連問題を解き、誤答した選択肢の理由を確認できる
用語を試験範囲の流れで読み直す本(Amazon)
PR執筆: AI資格ドリル編集部(運営者情報を見る)
