AI用語集
人工知能の完全辞典
MSE（平均二乗誤差）
モデル評価において、誤差の二乗平均を計算する指標で、大きな誤差を小さな誤差よりも強く罰する特性を持つ。
RMSE（平均二乗誤差の平方根）
MSEの平方根であり、ターゲット変数と同じ単位で誤差を測定しつつ、大きな誤差に対する罰則を維持する。
R²（決定係数）
モデルによって説明されるターゲット変数の分散の割合を測定する統計指標で、0から1の範囲をとる（非常に悪いモデルの場合は負の値になることもある）。
MAPE（平均絶対パーセント誤差）
実際の値に対する誤差の平均をパーセントで表す指標で、解釈やモデル間・データセット間の比較を容易にする。
RMSLE（平均二乗対数誤差の平方根）
値の対数に適用されるRMSEの変形版で、指数分布を持つデータや外れ値の影響を軽減する場合に特に適している。
MedAE（中央絶対誤差）
絶対誤差の中央値を提供する指標で、平均を使用するMAEとは異なり、外れ値に対して頑健な測定値を提供する。
説明分散スコア
モデルによって説明されるデータの分散の割合を評価する指標で、R²に似ているが、予測のバイアスに関する制約がない。
平均二乗対数誤差（MSLE）
対数誤差の二乗平均を計算する指標で、絶対誤差よりも相対誤差が重要な予測に理想的である。
分位点損失
条件付き分布の特定の分位点を予測するために使用される非対称損失関数で、過小評価と過大評価を異なる方法でペナルティを与える。
平均絶対スケール誤差 (MASE)
モデルの平均絶対誤差を単純な参照方法の誤差と比較する相対的な指標で、データのスケールに依存しない。
対称平均絶対パーセント誤差 (SMAPE)
MAPEの対称バリアントで、ゼロ除算の問題を回避し、過大評価と過小評価の間のより良いバランスを提供する。
平均バイアス誤差 (MBE)
非絶対誤差の平均を計算してモデルの系統的バイアスを測定する指標で、モデルが過大評価または過小評価する傾向があるかを示す。
相対絶対誤差 (RAE)
モデルの総絶対誤差を単純な予測子の絶対誤差と比較する正規化された指標で、単位のない比率として表現される。
平方根相対二乗誤差 (RRSE)
相対二乗誤差の平方根で、単純な参照モデルの誤差に対してRMSEを正規化する。
タイルのU係数
単純な予測に対するモデルの相対的性能を測定する比較予測指標で、U=0は完全な予測を示す。
ナッシュ・サトクリフ効率 (NSE)
-∞から1までの範囲の効率係数で、観測値の平均と比較してモデルが観測値を予測する能力を測定する。
平均方向精度（MDA）
連続する観測値間の変化方向をモデルが正しく予測する能力を評価する指標で、金融アプリケーションにおいて重要です。
調整済みR²
モデル内の予測子の数に応じてスコアを調整するR²の修正版で、変数を追加する際の人為的な過大評価を回避します。