問題 No.3491
ある連続値を予測する回帰タスクにおいて、機械学習モデルの予測値と正解値の誤差を評価するために損失関数を検討している。各データ点の誤差の二乗を計算し、その総平均をとることで、外れ値に対してペナルティを大きく課す特徴を持つ評価関数として、最も適切なものはどれか。
【正解の解説】
平均二乗誤差関数
テストの点数予想に例えると、少しのズレなら「惜しかったね」で済みますが、大外しした時に「なんでこんなに間違えたの！」と怒りが爆発するようなイメージです。二乗することで大きな誤差を強調するため、モデルは大きな間違いを徹底的に避けるように賢くなります。回帰問題の定番として頻出です。
スポンサーリンク
【その他の選択肢の解説】
平均絶対誤差関数
平均二乗誤差とよく混同されますが、こちらは「絶対値」を使うため、二乗のように大きな誤差を跳ね上げて罰することはありません。例えるなら、全員を一律に厳しく怒るのではなく、冷静に平均的なズレを見る先生のようなイメージです。外れ値があってもそれに引きずられたくない場合にこちらを選びます。
交差エントロピー誤差関数
回帰問題で使う平均二乗誤差とは異なり、猫なのか犬なのかウサギなのかといった「カテゴリの当てっこ（多クラス分類）」で大活躍します。正解の確率がどれくらい高かったかを対数を使って厳しく評価するため、出力層にソフトマックス関数を使うセットでG検定でも非常によく狙われます。
二値交差エントロピー関数
スパムメール判定や病気の有無判定のような「はい・いいえ」を予測する問題専用の関数です。連続値を当てる回帰タスク用である平均二乗誤差とは目的が根本的に異なるため、問題文にある「連続値の予測」というキーワードを見落とさないように注意が必要です。