MAE

- 中央絶対誤差の概要中央絶対誤差(MAE)は、機械学習モデルの予測精度を評価する指標の一つです。この指標は、特に回帰問題において、モデルが予測した値と実際の値との間の誤差の大きさを測るために利用されます。MAEを計算する際には、まず、それぞれのデータポイントについて、予測値と実際の値の差の絶対値を求めます。そして、それらの絶対値の平均値を計算することで、MAEが得られます。数式で表すと、MAE = (|予測値1 - 実際の値1| + |予測値2 - 実際の値2| + ... + |予測値n - 実際の値n|) / nとなります。ここで、nはデータの数です。MAEの特徴として、外れ値の影響を受けにくいという点が挙げられます。これは、MAEが誤差の二乗ではなく、絶対値を用いているためです。誤差の二乗を用いる指標の場合、外れ値のように誤差が大きいデータの影響が大きく反映されてしまいます。一方、MAEでは、誤差の絶対値を用いることで、外れ値の影響を軽減することができます。この特徴から、MAEは、外れ値の影響を小さく抑えたい場合に適した指標と言えるでしょう。例えば、不動産価格の予測など、少数の外れ値が結果に大きく影響してしまう可能性がある場合に、MAEは有効な指標となります。