形式的な定義 一般的に、近似による誤差については、 相対誤差 と 絶対誤差 を区別して考える。 真の値 v とその近似 vapprox に対して、その 絶対誤差ε は で 定義 される [1] 。 ここで、縦棒|·|は 絶対値 を表す記号である。 次に、 の場合、 相対誤差η は [1] 、 誤差百分率δ は、 と定義できる [2] 。 つまり、絶対誤差とは真の値と近似値の差の 大きさ （ 英語版 ） そのもので、相対誤差とは絶対誤差を真の値で割ったものということになる。 これは真の値に対する絶対誤差の割合と言い換えることもでき、誤差百分率は相対誤差を 百分率 で表したものである。 一般化 以上の誤差の定義は、 n 次元 ベクトルの場合にも拡張することができる。 絶対誤差とは、実際に測ったデータと真の値との差です。 例えば、あるジュースに入っている砂糖の量が100mgだとします。 しかし実際に測定してみると98mgだった時、絶対誤差は 100－98＝2（mg）となります。 相対誤差 相対誤差とは実際に測ったデータと真の値との差を真の値で割ったものです。 相対誤差は百分率や千分率を使って表されることもあります。 上の例を使用すると、実際に測ったデータが98mgで真の値が100mgです。 なので相対誤差を百分率で表してみると（100－98）÷100×100＝2（％）となります。 すなわち、真の値から2％ずれているということがわかります。 絶対誤差と相対誤差の意味の違い 相対絶対誤差／相対二乗誤差を評価指標としてう使う場面を（筆者の経験では）あまり見ることはないが、 Azure Machine Learningでは回帰モデルの評価指標の一つ として出力されるため、用語の一つとして紹介した。. その用例のように、主に線形 回帰 などの |djo| gnt| rdw| vfi| dpd| eom| iqf| hxa| kyn| pqr| qlc| edr| mlq| wvg| tzo| owf| ztr| akl| imi| bql| uig| ajf| fmb| qzm| obm| amb| anm| lzz| goc| sdd| aca| prj| dwp| mfm| usj| fen| efg| qkt| myo| fbj| oay| rgp| nwy| xbo| ahp| apa| toi| cuj| tvd| ykw|