目次
平均二乗誤差（Mean Squared Error：MSE）
平均二乗誤差（MSE）は、モデルの予測と実際の値のズレ（誤差）を二乗して平均した大きさです。数値予測（回帰）で最もよく使われる損失・評価指標の一つで、値が小さいほど予測が当たっていると解釈します。学習では「MSEを最小にする」ようにパラメータを調整します（最小二乗法はその代表例）。
二乗する理由は下記の通りです。
-
符号を打ち消さない：過大予測（＋）と過小予測（−）が相殺されるのを防ぐ。
-
大きなミスを強く罰する：外れた値ほどペナルティが急増。
-
計算が扱いやすい：微分が滑らかで最適化しやすい。
一方で、外れ値に敏感という弱点もあります（巨大な誤差がMSEを押し上げやすい）。
使用する場面としては下記のものがあげられます。
- 売上・需要・在庫・温度などの連続値予測
-
回帰モデルの学習損失として（線形回帰、ニューラルネットの回帰タスクなど）
-
ハイパーパラメータ選定や特徴量の比較での評価指標
平均二乗誤差（Mean Squared Error：MSE）関連用語
平均二乗誤差（Mean Squared Error：MSE）に関連する単語は以下の通りです。
- RMSE（平方根平均二乗誤差）
- MAE（平均絶対誤差）
- 最小二乗法（OLS）
平均二乗誤差（Mean Squared Error：MSE）やさしい解説
テストの「予想点数」と「本当の点数」の差を考えます。差をそのまま足すと＋と−が打ち消し合ってしまうため、差を二乗してから平均をとると外れた分だけ大きな罰になります。
MSEが小さいほど予想がうまいということ。外した1問があると二乗のせいで点数（MSE）は大きく悪くなります。
AI関連の用語集【まとめ】
AI関連の用語集が気になる方のために、用語集一覧を作成しました。AIに関する学びを深めたいとお考えの方はぜひご覧ください。
＼AIの導入・開発・相談なら【クラベルAI】に相談しよう！／
