平均絶対誤差（MAE）とは、機械学習の回帰モデルにおいて予測値と実際の値のズレ（誤差）の絶対値を平均した評価指標です。実際の単位と同じ尺度で誤差の大きさを直感的に把握できる特徴があります。外れ値の影響を受けにくく、予測精度を客観的に評価する損失関数や指標として広く利用されています。
平均絶対誤差とは
詳しく解説
平均絶対誤差は、データごとの予測値と実際の値の差から符号を取り除き、絶対値として足し合わせた上でデータ数で割ることで計算されます。機械学習における回帰問題では、モデルの予測精度を測る評価指標や、学習時に最小化すべき損失関数として重要な役割を果たします。二乗計算を行わないため、算出される誤差の単位が予測対象の実データと同じになり、ビジネスや現場での解釈が容易であるという背景と重要性を持っています。
具体例・使われ方
例えば、住宅価格の予測モデルで実測値が3000万円、予測値が3200万円の場合、誤差の絶対値は200万円となります。全データのこの誤差を平均した値が平均絶対誤差です。天気予報における気温予測や、店舗の売上予測などで、実際の単位（度や円）のまま誤差の大きさを評価したい具体的な場面で用いられます。
似た用語との違い
混同されやすい概念に平均二乗誤差や二乗平均平方根誤差があります。平均二乗誤差は誤差を2乗して平均するため、大きな誤差に対してより厳しいペナルティを与えます。一方、平均絶対誤差は誤差をそのまま絶対値で扱うため、外れ値による影響を抑えた評価が可能です。
注意点
平均絶対誤差は外れ値の影響を受けにくいメリットがある反面、誤差が0の地点で微分不可能になるという数学的特性があります。そのため、勾配下降法などの最適化手法を用いる機械学習モデルの学習において、計算が不安定になる場合がある点に注意が必要です。
この解説は役に立ちましたか？誤りが含まれる場合はご報告いただけますと幸いです。
更新日時: 2026年8月30日 17:11