平均二乗誤差 (MSE)

平均二乗誤差は、回帰モデルにおける予測値と正解値の間のズレを評価するための指標です。予測値と実際の値の差である誤差を2乗し、その値を全データ数で平均することで算出されます。この手法は、予測精度を測るための基準として広く利用されています。

仕組みとして、誤差を2乗するプロセスが重要です。これにより、正の誤差と負の誤差が打ち消し合わず、さらに誤差が大きいほどペナルティが大きく反映されるようになります。モデルの学習では、この平均二乗誤差を最小にするようにパラメータを調整していくことが基本です。

G検定では、この指標が回帰問題の損失関数として利用されることが問われます。分類問題で用いられる交差エントロピー誤差との使い分けが重要であり、回帰か分類かという問題の種類に合わせて適切な評価指標を選択できる知識が求められます。