二乗平均平方根誤差（RMSE）は、機械学習の回帰モデルにおける予測値と実際の値のずれ（誤差）を評価する指標です。予測誤差の二乗を平均した値の平方根をとることで、元のデータと同じ単位で誤差の大きさを直感的に把握できます。大きな誤差に対してペナルティが大きくなる特徴があり、モデルの精度評価において広く用いられています。
二乗平均平方根誤差とは
二乗平均平方根誤差を一言でいうと、予測モデルが出した数値と実際の数値の差（誤差）の大きさを、元のデータと同じ単位で表す評価指標です。
詳しく解説
二乗平均平方根誤差は、回帰モデルの予測精度を測定するために利用されます。計算の手順として、まず各データ点における予測値と実測値の差を二乗し、それらの平均を計算します（これが平均二乗誤差となります）。最後にその平均値の平方根をとることで、二乗によって変わってしまった単位を元のデータの単位に戻します。二乗するプロセスが含まれるため、小さな誤差よりも大きな誤差に対してより大きなペナルティが課されるという特徴があります。これにより、モデルが大きな予測外れを起こしていないかを厳しくチェックする際に非常に重要な指標となっています。
具体例・使われ方
例えば、住宅価格予測の回帰モデルで実際の価格と予測価格のズレを計算する場合を考えます。ある物件で500万円、別の物件で100万円の予測誤差があったとき、二乗平均平方根誤差を用いると、誤差が金額の単位でそのまま算出されます。天候データを用いた気温予測や、企業の売上予測モデルなど、連続した数値を扱う様々なAI開発の評価で活用されています。
似た用語との違い
類似した指標である平均二乗誤差は、誤差を二乗したままの平均値であるため、単位が元のデータの二乗になり直感的な解釈が難しくなります。一方、平均絶対誤差は、誤差の絶対値を平均する指標であり、大きな誤差に対して過度なペナルティを与えません。外れ値の影響を強く受けやすい二乗平均平方根誤差に対し、平均絶対誤差は外れ値に対して比較的頑健であるという違いがあります。
注意点
二乗平均平方根誤差は誤差を二乗して計算するため、データ内に極端な値である外れ値が含まれている場合、その影響を強く受けて数値が極端に悪化する性質があります。したがって、データセットの性質によっては評価が歪むリスクがあります。また、異なる単位やスケールを持つデータセット同士で二乗平均平方根誤差の数値を直接比較することはできない点にも注意が必要です。