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.

133

2.10







   

図 2.10.4　評価関数の意味

本 項 の まとめ

　機械学習の損失関数と評価関数について、以下の点を留意してください。

•  損失関数：回帰関数をデータに近づける力の大きさに対応。

•  評価関数：回帰結果がどの程度データから外れているかの見積もりに対応。

•  用いる関数によって外れ値への感度が変わる。RMSE：外れ値に敏感、MAE：

外れ値に鈍感。

RMSEとMAEの比が異なる2つのモデルが

あった場合、どちらを用いればよいのか？

　前項にて、RMSEは常にMAEよりも大きくなること、さらに、RMSEは外れ

値に敏感であるため、RMSE／MAEの比は外れ値が存在するほど大きくなるこ

とを見ました。この性質を利用して、用いたデータの特徴や作成した機械学習モ

デルの学習状況を調べることができます。今、用いたデータが正規分布に従うノ

イズを持つと仮定すると、よく学習された機械学習モデルの予測誤差も正規分布

2.10.2

134

0

1

2

3

2

に従うと仮定できます。この正規分布の予測誤差に対して、RMSEとMAEの比

を計算すると、

 と求めることができます。導出方法は専門の解説

[ 1 ]

を参照してください。したがって、 ...