平均絶対誤差（Mean Absolute Error：MAE）とは？-AI関連の用語集【クラベルAI】-

平均絶対誤差（Mean Absolute Error：MAE）

平均絶対誤差（Mean Absolute Error：MAE）は、予測値と実測値のズレの絶対値を平均した指標です。値が小さいほど予測が当たっていると解釈します。回帰タスクの評価・学習目的（損失）に広く用いられ、単位は元データと同じ（円、℃、個 など）で直感的に読みやすいのが特徴です。

直感は、各サンプルの「外れ幅」をそのまま平均する＝平均的にどれだけ外したか。

 性質・読み方

• 外れ値に強い：大きな誤差を等しくカウントするため、MSEほど外れ値に引っ張られにくい。

• 最適化の挙動：微分が0で折れる点（絶対値）を含むため、最適化はMSEよりやや扱いに工夫が要るが、現代の最適化手法で一般に問題なし。

• 解釈しやすい：単位が元と同じなので、業務の受け止めが容易（例：「平均して±1.8万円外す」）。

• 中央値との関係：MAE最小化は中央値推定につながる（MSEは平均）。

 いつMAEを選ぶ？

• 外れ値が混じる売上・アクセス・価格などの予測

• ビジネスで誤差の線形コストを想定する場合（1の外れも10の外れもコスト比が比例）

• MSEだと数個の大誤差が指標を支配してしまうとき

MSEとの使い分け（超要約）

• MAE：外れ値に強い／解釈しやすい／最適化はやや非滑らか

• MSE：大きな外れを強く罰する／理論的に扱いやすい／外れ値に弱い
  → 目的が「平均的な外し幅を抑える」ならMAE、大外しを特に嫌うならMSE/RMSE。

平均絶対誤差（Mean Absolute Error：MAE）関連用語

平均絶対誤差（Mean Absolute Error：MAE）に関連する単語は以下の通りです。

平均絶対誤差（Mean Absolute Error：MAE）やさしい解説

テストの予想点と本当の点の差を、マイナスでもプラスでも絶対値にして足し、平均をとったものが平均絶対誤差（Mean Absolute Error：MAE）です。「平均してどれくらい外したか」をそのままの単位で教えてくれる数字のこと。

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。