---
title: "RMSEとMAEの違い（回帰評価指標）"
description: "RMSEとMAEの違い（回帰評価指標）について、G検定で問われるモデル評価分野の観点から、目的、前提、モデル構造、入力と出力、評価観点のどこが異なるかを比較します。暗記だけでなく、似た概念との混同を避ける見分け方や、選択肢を切るためのポイントも確認します。"
canonical_url: "https://stemtazoo.github.io/gk/rmse-mae/"
section: "gk"
---

## 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**