A正解
RMSE
正解。RMSE（二乗平均平方根誤差）は、予測値と実際値の誤差を二乗して平均し平方根をとった指標で、回帰タスクの誤差を評価します。大きな誤差を強く反映します。
ある ML チームが、需要予測（回帰）と不良品判定（分類）で使う評価指標を区別して整理しています。回帰タスク（連続値を予測するモデル）の評価に使われる指標として適切なものを 2 つ選んでください。
1 / 1
複数選択してください
正解A, B
解説
回帰タスクの評価指標を 2 つ選ぶ問題。
- 1「回帰タスク（連続値を予測するモデル）の評価」連続値予測の 誤差 を測る
- 2「適切なものを 2 つ」RMSE・MAE が該当
B正解
MAE
正解。MAE（平均絶対誤差）は、予測値と実際値の誤差の絶対値を平均した指標で、回帰タスクの平均的な誤差を直感的に評価できます。
C不正解
正解率
正解率（accuracy）は、分類タスクで全予測のうち正しく分類できた割合を測る指標です（例: 不良品判定で 100 件中 95 件を正しく判定できれば正解率 95%）。
連続値の予測誤差は測れないため、回帰の評価指標としては不正解です。
D不正解
F1 スコア
F1 スコアは、分類タスクで適合率（陽性と予測したうち本当に陽性の割合）と再現率（本当の陽性のうち拾えた割合）の調和平均をとる指標です（例: 不良品の見逃しと過検出のバランスを 1 つの値で評価する）。
連続値の誤差の指標ではないため不正解です。
E不正解
AUC
AUC（ROC 曲線下面積）は、二値分類で閾値を変えながら陽性・陰性をどれだけ正しく見分けられるかを 0〜1 の面積で表す指標です（例: 良品と不良品をランダムに 1 つずつ選んだとき、不良品により高いスコアを付けられる確率に相当）。
連続値の予測誤差の指標ではないため不正解です。
ポイント
回帰分析は、金額・温度・需要量などの連続値を予測するタスクです。予測がどれだけ実際値に近いかを『誤差』で評価します。
・RMSE（二乗平均平方根誤差）: 誤差を二乗して平均し平方根をとる。大きな誤差を強く反映する。
・MAE（平均絶対誤差）: 誤差の絶対値を平均する。平均的なズレを直感的に表す。
・R²（決定係数）: モデルがデータの変動をどれだけ説明できるかを 0〜1 で表す。
一方、正解率・F1・AUC はカテゴリを予測する分類タスクの指標で、回帰には使いません。