From:山極綾子
タイトル、打ち間違いではないのです。
朝の連続テレビ小説を略称で伝えようとして、間違って昼ドラと言ってしまう…。
そんな間抜けな間違いを、つい先日、学会に投稿しようとする原稿内でしてしまいました。
そして悲しいことに、自分では一切気付くことが出来ず、先生から指摘されてしまったのです。
博士課程になってまでそんな間抜けなミスをしてしまうなんて…。
恥ずかしい気持ちでいっぱいでした。
具体的にはどんなミスをしたかと言いますと、
MAEと呼ばれる平均絶対誤差（Mean Absolute Error）と、
MSEと呼ばれる平均二乗誤差（Mean Squared Error）をごちゃまぜに書いてしまったのです。
名前の見た目は似ています。
どちらも、モデルの精度を測るためによく使われる指標です。
数式も、ある二つの値の絶対値を取得するか、二乗の値を使うか、という違いが主な違いです。
学部3年生のころ、初めて機械学習を学んだ時は、確かに混乱もしました。
子供のころ、似た並びの二つの言葉を混同してしまったことと同じような感覚です
（私だけでしょうか）。
でも、今は一応、ある程度機械学習とも仲良くなってきて、
さすがにこの二つの違いや特徴も把握していたはずだったのです。
それなのに、焦って文章を作成したせいに違いありません。
信じられないくらい初歩的なミスをしてしまいました。
ところでこの二つの指標、いずれも正解の値と推測した値がどれほど近いかを表現するものです。
絶対値と二乗値、この二つを使い分けることで、どんな間違いを重要視するか、
を変えることができます。
というのも、二乗を使った方が、
より「大きく外れてしまったもの」を重要視してくれるのです。
例えば入社試験を通して「この人は100点の働きをするだろう」と予測された2人が、
実際は90点と120点の働きをしてくれたとします。
MAE、つまり絶対値を使った場合には、1人目は誤差100-90=10、2
人目は誤差120-100=20、という評価になり、その誤差の値は2倍あることになります。
一方MSEを使うと、二乗するため1人目の誤差は10*10=100、2人目の誤差は20*20=400、
ということになり、その差は先ほどの2倍から4倍へと広がります。
機械学習の分野では基本的に、得られた誤差の値を最小にするようにモデルの学習が
行われるため、MAEを使うかMSEを使うかで、学習の進み方は変わると言えます。
同じ予測をして、同じ答えが得られているはずなのに、どのようにその違いを評価するかで
モデルの評価やその後の改善の方法が変わってしまうのです。
得られたモデルをどうやって評価するかも、重要な視点の一つであることは間違いありません。
山極綾子
P.S.
もちろん、そもそもパフォーマンスを一つの点数で出すことはできるのか？
という大きな問題があります。
例えばチャートのように、各観点ごとのパフォーマンスを数値で表すことができたなら…。
とても強い武器になる気がします。
P.P.S.
今日も最後まで読んでいただきありがとうございます！
メルマガの感想などありましたら、こちらからお聞かせ下さい。
嬉しく拝見しています。いつもありがとうございます！
↓
https://keieijinjipartnersytube.typeform.com/to/B8JjDrk5
—————————————————————-
【経営人事メールマガジン】
発行責任者： 山極毅（株式会社経営人事パートナーズ）
発行者住所：〒100-0005東京千代田区丸の内1-8-3丸の内トラストタワー本館20F
連絡先：https://keieijinji.co.jp/
メールアドレス： strategic-membership-program■■keieijinji.co.jp(■■を@に置き換えてください)
—————————————————————-
↓バックナンバーはこちら↓
PC: https://04auto.biz/brd/BackNumber.htm?acc=keieijinji&bid=3
スマホ・ガラケー: https://04auto.biz/brd/BNMobi.htm?a=keieijinji&b=3
↓メルマガの新規登録はこちらから↓
PC: https://48auto.biz/keieijinji/touroku/scenario13.htm
スマホ: https://48auto.biz/keieijinji/touroku/sp/scenario13.htm
ガラケー: https://48auto.biz/keieijinji/touroku/sp/scenario13.htm
