最終更新日：2026年8月26日
gk metrics
G検定トップ
＞ RMSEとMAEの違い｜大きな誤差への敏感さで比較【G検定】
まず結論
RMSEとMAEは、どちらも回帰モデルの予測誤差を見る指標です。
- RMSE：誤差を二乗してから平均し、平方根を取る → 大きな誤差を強く重視
- MAE：誤差の絶対値を平均する → 誤差の大きさを比較的そのまま評価
G検定では、まず
二乗が出る → RMSE
絶対値が出る → MAE
で切り分けます。
直感的な説明
違いは、大外しをどれだけ重く見るかです。
たとえば、ほとんどの予測は少ししか外れていないのに、1件だけ大きく外したとします。
- MAE：大きく外れた分も、その誤差の大きさに応じて加える
- RMSE：二乗するため、大きな誤差の影響がより強くなる
そのため、大きな予測ミスを特に避けたいならRMSEを意識する、という整理ができます。
定義・仕組み
MAE（Mean Absolute Error）
- 各予測の誤差の絶対値を平均
- 元の目的変数と同じ単位で読める
- RMSEより大きな外れ値の影響を受けにくい
RMSE（Root Mean Squared Error）
- 誤差を二乗 → 平均 → 平方根
- 平方根を取るので、元の目的変数と同じ単位で読める
- 二乗が入るため、大きな誤差に敏感
重要なのは、RMSEとMAEはどちらも小さいほど予測誤差が小さいという点です。
いつ使う？（得意・不得意）
| 観点 | RMSE | MAE |
|---|---|---|
| 大きな誤差を強く重視 | 得意 | RMSEほどではない |
| 外れ値の影響を抑えたい | 不向き | 比較的向く |
| 元の単位で解釈 | できる | できる |
| 誤差への重み付け | 大きな誤差ほど強い | 誤差の大きさに比例 |
どちらが常に優れているわけではなく、何を大きな失敗とみなすかで選びます。
G検定ひっかけポイント
よくある混同は次の通りです。
- ❌「RMSEは絶対誤差の平均」 → それはMAE
- ❌「MAEの方が大きな誤差に敏感」 → 二乗するRMSEの方が敏感
- ❌「RMSEはMSEと同じ単位」 → RMSEは平方根を取るので元の単位、MSEは単位が二乗
- ❌「MAEは外れ値の影響を受けない」 → 受ける。ただしRMSEより影響が小さい
正誤を切る判断基準
- 二乗誤差＋平方根 → RMSE
- 絶対誤差 → MAE
- 大外しを強く罰する → RMSE
- 外れ値の影響を比較的抑える → MAE
まとめ（試験直前用）
- RMSE＝二乗 → 平均 → 平方根
- MAE＝絶対値 → 平均
- 大きな誤差により敏感なのはRMSE
- RMSE・MAEとも元の目的変数と同じ単位
- 迷ったら「二乗か、絶対値か」で切る