二乗誤差とは、機械学習や統計学において予測値と実際の値のずれを評価するための指標です。誤差を二乗することで大きなズレを強調し、モデルの精度を高めるための損失関数として広く利用されています。
二乗誤差とは
二乗誤差とは、予測値と正解値の差を二乗したものであり、モデルの予測精度を評価するための基本的な指標です。
詳しく解説
機械学習におけるモデルの学習では、正解と予測の誤差を最小化することが目的となります。このとき、誤差をそのまま足し合わせると正負のズレが相殺されてしまうため、一度二乗して正の値に変換します。また、二乗するという特性上、誤差が大きければ大きいほど値が急激に増加するため、大きな予測ミスに対してより厳しいペナルティを課すことができるという数学的な重要性を持っています。この二乗誤差をデータ全体で平均したものは平均二乗誤差（MSE）と呼ばれ、多くの回帰モデルで利用されています。
具体例・使われ方
例えば、AIを用いて住宅の価格を予測するタスクを考えます。実際の価格が3000万円の家に対してAIが2500万円と予測した場合、誤差は-500万円となります。この誤差を二乗することで25万という値が得られ、モデルはこの数値を小さくするようにパラメータを調整します。複数のデータ点を扱う場合は、全体の平均二乗誤差を計算してモデル全体の予測性能を評価します。
似た用語との違い
絶対値誤差（L1損失）と比較されることが多く、二乗誤差（L2損失）は大きな誤差に対してより強いペナルティを与える特徴があります。そのため、データに含まれる外れ値の影響を強く受けやすいという違いがあります。
注意点
データに大きな外れ値が含まれている場合、二乗誤差はその外れ値のズレを過剰に強調してしまい、モデル全体の学習が外れ値に引っ張られて精度が低下する原因となるため注意が必要です。
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9月14日 07:51