RMSEとMAEの違い（回帰評価指標）は関連概念を切り分けるための考え方です。この記事では仕組み・役割・使いどころを押さえ、G検定で問われる判断ポイントとひっかけポイントを解説します。

gk metrics

G検定トップ ＞ RMSEとMAEの違い（回帰評価指標）

まず結論

RMSE と MAE は「似ているが同じではない」回帰評価指標です。

  • RMSE：誤差の 二乗 を使う → 大きな誤差に敏感
  • MAE：誤差の 絶対値 を使う → 外れ値の影響が小さい

G検定では、 👉 「二乗か？ 絶対値か？」 を見抜ければ即答できます。

直感的な説明

予測が外れたときの「痛さ」をどう扱うかの違いです。

  • MAE：

    • 外れた分だけ、素直にペナルティ
    • 小さな誤差も大きな誤差も 同じ割合 で効く

  • RMSE：

    • 外れた誤差を 二乗してから平均
    • 大きく外れた予測を 強く罰する

👉 「大外しをどれだけ重く見るか」 の違いだと覚えると楽です。

定義・仕組み（数式は最小限）

MAE（Mean Absolute Error）

  • 各データの 誤差の絶対値 を平均
  • 計算が直感的で分かりやすい

👉 外れ値に 比較的強い

RMSE（Root Mean Squared Error）

  • 各データの 誤差を二乗 → 平均 → 平方根
  • 二乗が入るため、大きな誤差の影響が増幅される

👉 外れ値に 敏感

いつ使う？（得意・不得意）

RMSE が向いている場面

  • 大きな予測ミスを特に避けたい
  • 外れ値も含めて厳しく評価したい
  • 正規分布を仮定した誤差評価

MAE が向いている場面

  • 外れ値の影響を抑えたい
  • 予測誤差を直感的に解釈したい
  • 安定した評価をしたい

G検定ひっかけポイント

① 「RMSE と MAE は本質的に同じ」

❌ 不正解。

  • 計算方法が違う
  • 誤差への感度が違う

👉 同じではない

② 「MAE の方が大きな誤差に敏感」

❌ 不正解。

  • 二乗する RMSE の方が敏感

③ 「RMSE は絶対誤差の平均」

❌ 不正解。

  • それは MAE

まとめ（試験直前用）

  • RMSE：誤差を 二乗 → 大きな誤差に敏感
  • MAE：誤差の 絶対値 → 外れ値に強い

👉 迷ったら

二乗？ → RMSE 絶対値？ → MAE

🔗 関連記事

🏠 G検トップに戻る