【G検定・ITパス】AIは平均でどれだけズレた？「MAE（平均絶対誤差）」の超基本を1分図解！

「売上や株価の予測AIって、どうやって精度を評価するの？」
「数式が多くて難しそう…ビジネス側にどう説明すればいいかわからない…
「MAEって数字で何を表しているの？」

AIやデータサイエンスの学習中、モデルの評価指標でつまずいていませんか？

この記事では、G検定・ITパスポート・DS検定で頻出の「MAE（平均絶対誤差）」の仕組みを、図解を使って、誰よりも分かりやすく解説します！

まずは、数式なしでMAEが必要な理由をイメージで掴みましょう。

MAE（Mean Absolute Error）は、日本語で「平均絶対誤差」と呼ばれます。一言でいうと、AIの予測が「平均してどれだけズレているか」をシンプルに表す指標です。

値が「0」に近いほど、ピタリと予測が当たる優秀なAIであると判定できます。

【MAEが大きい（予測がボロボロ）】予測が大きくハズれ、ビジネスの現場ではリスクが高くて使えません（大赤字になる危険性も）。
【MAEが小さい（予測がピタリ）】予測がほぼ的中しており、信頼して実務（仕入れ管理など）に投入できます。

売上予測、株価予測、来客数予測などの「回帰AI」で必須となる、絶対に失敗できない現場のAI評価に必須の指標です。

💡 【試験対策ワンポイント】 「連続値の予測（回帰問題）」という言葉が出たら、分類問題の正解率ではなくMAEなどの「誤差指標」で評価するのが正解です！ここはセットで覚えておきましょう。

次に、グラフと計算を使ってMAEの仕組みを深掘りします。

MAEを計算するときの最大のコツは、誤差の「プラスマイナス」を無視して絶対値で足し合わせることです。

もしプラスマイナスをそのままにして足してしまうと、プラスとマイナスが打ち消し合ってしまい、本当はボロボロな予測なのに「誤差ゼロの完璧なAI」と勘違いしてしまう致命的な弱点があります。

予測：8 / 実測：10 → 誤差：2（マイナスは気にせずズレの大きさだけを見る）
予測：4 / 実測：9 → 誤差：5
予測：11 / 実測：10 → 誤差：1（プラス・マイナスは気にしない）
予測：8 / 実測：4 → 誤差：4

この4つのズレをすべて足して、データの数（4）で割ることで、誤差平均：3 (2+5+1+4) / 4 と計算できます。

💡 【試験対策ワンポイント】 「単位がそのままなので超直感的（平均10万円ズレるなど）」、そして「外れ値（大ハズレ）に引きずられにくい（ロバスト）」という2大特徴は確実に押さえておきましょう！試験で頻出です。

5大IT資格のシラバスを肌で知る合格者の視点から、試験で狙われるポイントを整理しておきましょう。

MAEは、「プラスマイナスを無視して、AIの予測が平均的にどれだけズレているかを直感的に表す指標」です。そして本質は、そのズレの大きさを表した「AIの平均的なハズレ幅」です。

0に近いほど、ビジネス側の人にも直感的に伝わりやすい優秀なAIの証拠として覚えておきましょう。

コメント