RMSE(二乗平均平方根誤差)計算ツール

RMSE(二乗平均平方根誤差)計算ツール

成長中 AI Skill PRO

計算を入力してください

公式

RMSE=1n∑i=1n(実測値i−予測値i)2\text{RMSE} = \sqrt{\frac{1}{n} \sum_{i=1}^{n} \left( {{\text{実測値}_i}} - {{\text{予測値}_i}} \right)^2}
利用統計

広告

結果

二乗平均平方根誤差
0.6124
RMSE
データ点数(n) 4
平均二乗誤差(MSE) 0.375
平均絶対誤差(MAE) 0.5

このページの誤りを報告

RMSE(二乗平均平方根誤差)とは?

RMSE(Root Mean Square Error:二乗平均平方根誤差)は、モデルの予測値が実測値からどれだけ離れているかを測る、最もよく使われる指標のひとつです。予測誤差のおおよその大きさを元データと同じ単位で表すため、結果を直感的に解釈できます。RMSEが小さいほど当てはまりが良く、RMSEが0であれば予測が完全に一致していることを意味します。

回帰直線と、点と直線の間の縦方向の残差線分を示した散布図
RMSEは残差、つまり実測値と予測値の縦方向の差をまとめたものです。

この計算ツールの使い方

実測値と予測値を、それぞれカンマまたはスペースで区切ったリストとして入力します。2つのリストは要素数を揃えてください。数が異なる場合は、先頭から一致する n 組のペアのみが計算に使われます。「計算」ボタンを押すと、RMSEに加えて、参考指標として平均二乗誤差(MSE)と平均絶対誤差(MAE)も表示されます。

計算式の解説

RMSEは次の4ステップで求めます。

$$\text{RMSE} = \sqrt{\frac{1}{n} \sum_{i=1}^{n} \left( \text{Actual}_i - \text{Predicted}_i \right)^2}$$

(1)各実測値から予測値を引いて誤差を求める、(2)正負の誤差が打ち消し合わないよう、それぞれの誤差を二乗する、(3)二乗した誤差を平均してMSEを得る、(4)平方根をとって元の単位に戻す——という流れです。二乗することで大きな誤差ほど強く反映されるため、RMSEはMAEに比べて外れ値の影響を受けやすい指標になっています。

広告
誤差から二乗、平均、平方根までのRMSE式の手順を示すフラットな図
各誤差を二乗し、平均してから平方根を取り、結果を元の単位に戻します。

計算例

実測値 = [3, -0.5, 2, 7]、予測値 = [2.5, 0.0, 2, 8] の場合を考えてみましょう。誤差はそれぞれ \(0.5\)、\(-0.5\)、\(0\)、\(-1\) です。二乗すると \(0.25\)、\(0.25\)、\(0\)、\(1\) となり、合計は \(1.5\) です。これを \(n = 4\) で割ると \(\text{MSE} = 0.375\)。その平方根をとって \(\text{RMSE} \approx 0.6124\) となります。MAE は \((0.5 + 0.5 + 0 + 1) \div 4 = 0.5\) です。

広告

追加の計算例

どちらの例も、5日間の気温予測(単位は°C)を使っています。各誤差は \(e_i = \text{実測値}_i - \text{予測値}_i\) です。二乗誤差からは平均二乗誤差(MSE)と二乗平均平方根誤差(RMSE)を求め、絶対誤差からは平均絶対誤差(MAE)を求めます。2つのデータセットは5日目を除いて同じなので、1回の大きな予測外れが各指標にどう影響するかを確認できます。

例1:かなり正確な予測

実測気温:20, 22, 25, 24, 21。予測気温:21, 20, 25, 27, 22。

日 実測値(°C) 予測値(°C) 誤差 \(e_i\) 二乗誤差 \(e_i^2\) 絶対誤差 \(|e_i|\)
1 20 21 −1 1 1
2 22 20 2 4 2
3 25 25 0 0 0
4 24 27 −3 9 3
5 21 22 −1 1 1
合計 15 7
  1. 二乗誤差の合計:\(1 + 4 + 0 + 9 + 1 = 15\)
  2. 平均二乗誤差(MSE):$$\text{平均二乗誤差} = \frac{15}{5} = 3$$
  3. 二乗平均平方根誤差(RMSE):$$\text{二乗平均平方根誤差} = \sqrt{3} \approx 1.7321$$
  4. 平均絶対誤差(MAE):$$\text{平均絶対誤差} = \frac{1 + 2 + 0 + 3 + 1}{5} = \frac{7}{5} = 1.4$$

結果:RMSE ≈ 1.7321 °C、MAE = 1.4 °C。2つの値は近く(RMSE/MAE ≈ 1.24)、これはすべての誤差の大きさがほぼ同じためです。

例2:同じ予測で1つだけ大きく外れた場合

5日目を除いてすべて同じです。5日目の予測は22 °Cではなく31 °Cでした。実測気温は変わらず21 °Cです。

日 実測値(°C) 予測値(°C) 誤差 \(e_i\) 二乗誤差 \(e_i^2\) 絶対誤差 \(|e_i|\)
1 20 21 −1 1 1
2 22 20 2 4 2
3 25 25 0 0 0
4 24 27 −3 9 3
5 21 31 −10 100 10
合計 114 16
  1. 二乗誤差の合計:\(1 + 4 + 0 + 9 + 100 = 114\)
  2. 平均二乗誤差(MSE):$$\text{平均二乗誤差} = \frac{114}{5} = 22.8$$
  3. 二乗平均平方根誤差(RMSE):$$\text{二乗平均平方根誤差} = \sqrt{22.8} \approx 4.7749$$
  4. 平均絶対誤差(MAE):$$\text{平均絶対誤差} = \frac{1 + 2 + 0 + 3 + 10}{5} = \frac{16}{5} = 3.2$$

結果:RMSE ≈ 4.7749 °C、MAE = 3.2 °C。

2つの例の比較

指標 例1 例2 増加量
平均二乗誤差 MSE(°C²) 3 22.8 ×7.6
二乗平均平方根誤差 RMSE(°C) 1.7321 4.7749 +3.0428(×2.76)
平均絶対誤差 MAE(°C) 1.4 3.2 +1.8(×2.29)
RMSE ÷ MAE 1.24 1.49 —

10 °Cずれた1回の予測だけで、二乗誤差の合計114のうち100を占め、約88%になりました。MAEでは、そのずれは合計誤差16のうち10として数えられます。RMSEは平均する前に各誤差を二乗するため、MAEよりもはるかに大きく上昇しました。RMSEがMAEよりずっと大きいときは、通常、少数の大きな誤差がスコアを押し上げています。モデル全体が悪いかどうかを判断する前に、それらの個々のデータ点を確認してください。

単位:RMSEとMAEは、データと同じ単位である°Cです。MSEの単位は°C²です。このため、RMSEの方が解釈しやすいことがよくあります。

よくある質問

RMSEはどれくらいなら「良い」と言えますか? 良し悪しはデータの尺度に完全に依存します。対象とする変数の範囲や平均値、あるいはベースラインとなるモデルと比較して判断しましょう。

RMSEとMAEはどう違いますか? RMSEは誤差を二乗してから平均するため、大きな誤差により重いペナルティを与えます。一方MAEはすべての誤差を比例的に同等に扱います。

RMSEがマイナスになることはありますか? ありません。RMSEは二乗の平均の平方根なので、常に0以上の値になります。

最終更新:

数学と統計で人気の電卓

数学と統計の電卓をすべて見る