MSE(平均二乗誤差)は便利な指標ですが、単位が「二乗」になってしまい、値を直感的に読めないという弱点があります。そこでMSEの平方根を取り、誤差を元のデータと同じ単位に戻したものが二乗平均平方根誤差(RMSE)です。この記事では、RMSEの計算とMSEとの関係、解釈のしやすさという持ち味を解説します。
📖 ひと言でいうと
二乗平均平方根誤差(RMSE)とは、MSE(平均二乗誤差)の平方根を取った回帰モデルの評価指標で、元のデータと同じ単位で誤差を測定できるのが特徴です。例えるなら、土地の広さを「25平方メートル」と言われるより「5メートル四方」と言われた方がイメージしやすいのと同じで、二乗の世界で計算した誤差を平方根でいったん「普通の単位」に戻してから読む、という工夫です。
🖼 1枚でわかる二乗平均平方根誤差
📘 公式テキストの説明
二乗平均平方根誤差（RMSE：Root Mean Squared Error）は、MSEの平方根を取ったもので、元のデータと同じ単位で誤差を測定できる特徴がある。これは、MSEが大きいほど分散が広がっている場合に適用されることで誤差の解釈がしやすくなる。MSEよりも外れ値の影響を抑えつつも、全体の誤差傾向を反映しやすい指標として使用されることが多い。
かみ砕くと、RMSEの計算は「MSEを求めて、最後に平方根を取る」だけです。MSEは誤差を二乗するため単位が元のデータの二乗になってしまいますが、平方根で元の単位に戻すことで、「予測はだいたい何円(何度、何個)くらい外れるのか」という誤差の解釈がしやすくなります。誤差のばらつきが大きい場面でも、数値を実感の湧くスケールで読める点がRMSEの持ち味です。
🔍 しっかり理解する
計算式 — MSEに1ステップ足すだけ
データがn個あり、i番目の実測値をy_i、予測値をyhat_iとすると、プレーンテキストで次のように書けます。
RMSE = √( (1/n) × Σ (y_i − yhat_i)^2 ) (Σはi=1からnまでの合計)
つまり RMSE = √MSE です。計算の流れで見ると次の4ステップになります。
「元のデータと同じ単位」の意味
たとえば気温(度)を予測するモデルなら、MSEの単位は「度の二乗」という日常では出てこない単位になります。「MSEが9度の二乗」と言われてもピンときませんが、平方根を取った「RMSEが3度」なら「予測は平均的に3度くらい外れる」と読めます。この解釈のしやすさこそ、実務でRMSEが報告用の指標として好まれる理由です。
MSEとRMSEは平方根で結ばれた単調な関係にあるため、複数モデルを比較したときの優劣の順位は一致します。つまり「MSEが最小のモデル=RMSEが最小のモデル」です。最適化や理論ではMSE、人間が読む報告ではRMSE、と使い分けられることが多いのはこのためです。
外れ値との付き合い方 — MSEとMAEの中間的な位置づけ
RMSEは二乗計算を内部に含むため、大きな誤差が重く効くという性質はMSE譲りです。ただし最後に平方根で圧縮するぶん、指標の値としてはMSEほど極端に膨らみません。公式テキストにあるとおり「MSEよりも外れ値の影響を抑えつつも、全体の誤差傾向を反映しやすい」指標として、絶対値ベースで外れ値に鈍感なMAEと、外れ値に最も敏感なMSEの中間的なバランスで使われることが多いのです。
💡 具体例で考える
電力会社が翌日の電力需要(単位: 万kW)を予測するモデルを評価する場面を考えます。あるモデルの検証結果で、日々の予測誤差が −2、+1、+3、−1、+9(万kW)だったとしましょう。二乗誤差は 4、1、9、1、81 で、MSE = (4+1+9+1+81)/5 = 19.2(万kWの二乗)です。「19.2万kWの二乗」では需要計画の担当者に伝わりませんが、RMSE = √19.2 ≒ 4.4万kW とすれば、「このモデルは平均的に4.4万kW程度外れる」と、発電余力をどれだけ確保すべきかの議論に直結する数字になります。
さらにこの例では、単純に絶対値を平均したMAEは (2+1+3+1+9)/5 = 3.2万kWで、RMSEの4.4万kWより小さくなります。RMSEが大きめに出るのは、+9万kWという大外れの日を二乗計算が重く数えているからです。RMSEとMAEの開きが大きいときは「たまに大きく外す日がある」というシグナルとして読める——これも実務でよく使われる見方です。
⚠️ よくある誤解・紛らわしい用語
- MSEとの関係の取り違え: RMSEはMSEの平方根です。「MSEはRMSEの平方根」と逆にした誤答に注意しましょう。Root(根)が頭に付くのがRMSEです。
- 「外れ値の影響を受けない」わけではない: RMSEも二乗計算を経るため、大きな誤差は重く効きます。あくまで「MSEよりも影響を抑えつつ」であり、外れ値に最も鈍感なのは絶対値ベースのMAEです。
- 単位の勘違い: MSEの単位は元データの二乗、RMSEは元データと同じ単位です。「元の単位で読める」ことがRMSEの存在意義なので、ここを逆にすると指標を選ぶ意味がなくなります。
- モデルの順位はMSEと変わらない: RMSEにするとモデルの優劣が変わると誤解されがちですが、平方根は大小関係を保つため、比較の順位はMSEと同じです。変わるのは数値の読みやすさです。
📝 試験でのポイント
- 「MSEの平方根を取ったもの」「元のデータと同じ単位で誤差を測定できる」という2点が定義の核で、最も問われやすいポイントです。
- MSE・RMSE・MAEの3指標について、計算方法(二乗平均/その平方根/絶対値平均)と外れ値への敏感さの対応を選ばせる問題が想定されます。
- 略称の展開(Root Mean Squared Error)と日本語名(二乗平均平方根誤差)の対応も確認しておきましょう。
- RMSEも誤差指標なので「小さいほど良い」方向であることを取り違えないようにしましょう。
📚 まとめ
二乗平均平方根誤差(RMSE)は、MSEの平方根を取ることで誤差を元のデータと同じ単位に戻した回帰の評価指標です。「平均的にどれくらい外れるか」を実感の湧くスケールで読めるため、誤差の解釈がしやすく、MSEよりも外れ値の影響を抑えつつ全体の誤差傾向を反映しやすい指標として広く使われます。計算手順「二乗→平均→平方根」と、MSE・MAEとの位置関係をセットで整理しておきましょう。
