回帰評価における主要な概念

機械学習モデルの評価方法は問題の種類によって異なります。分類問題ではカテゴリを予測し、正解率（accuracy）、適合率（precision）、再現率（recall）、F1スコアなどの指標を用いて予測ラベルと正解ラベルを比較します。回帰問題では連続値を予測するため、回帰指標を用いて予測値が実際の値にどれだけ近いかを測定し、モデルの性能を評価します。

回帰モデルの評価は、モデルがどのような誤差を出しているかを理解することです。予測値と実際の値の差を残差と呼びます。予測値が実際の値より大きい場合は過大評価、小さい場合は過小評価です。単一の指標ですべてのモデルの弱点を把握することはできません。例えば、**平均二乗誤差（MSE）**は大きな誤差を強調し、**平均絶対誤差（MAE）**はすべての誤差を均等に扱います。複数の指標を使うことで、モデル性能をより包括的に把握できます。