AI開発力を鍛える！機械学習と最適化による問題解決講座

2.

3.

0.

1.

125

2.9

　より一般化すると、要求される機械学習精度がデータの分散の大きさに対して

桁で小さい場合は、R2を用いた評価には注意が必要です。ここでの仮想データで

は、分散が大きくなるケースとして1 点だけ大きく外れたデータがある場合を例

として挙げましたが、（分散の大きさ）>>（要求精度）の場合にはいずれも当て

はまります。このような場合は、R2ではなく、要求精度に対応した平均二乗誤差

（MSE）、二乗平均平方根誤差（RMSE）、平均絶対誤差（MAE）などで機械学習

モデルの予測精度を評価する必要があります。逆に、データの分散の大きさと比

較した相対的な値として予測精度を評価したい場合は、R2が適しています。

本 項 の まとめ

　機械学習の予測精度評価としてR2を用いる場合は、次の点に注意が必要です。

•  R2はデータの分散の大きさを基準とした予測精度を表す指標。

•  要求される予測精度に対してデータの分散の大きさが非常に大きい場合は、

R2を用いた評価には注意が必要。

RMSEが低ければ問題はないのか？

　前項ではR2による機械学習モデルの予測精度評価について考え、データの分

散が大きな場合は、二乗平均平方根誤差（RMSE）などで評価する必要があると

の結論でした。それでは、常にRMSE を用いて評価すればよいかというと、話は

そう簡単ではありません。やはり、データの意味を考えながら、適切な指標で評

価を行う必要があります。本項では、RMSE を用いて評価する場合に気を付ける

べきことを見ていきましょう。なお、 ...