smapeとは？初心者向けに解説する使い方と計算のポイント共起語・同意語・対義語も併せて解説！

この記事を書いた人

高岡智則

年齢：33歳性別：男性職業：Webディレクター（兼ライティング・SNS運用担当）居住地：東京都杉並区・永福町の1LDKマンション出身地：神奈川県川崎市身長：176cm 体系：細身〜普通（最近ちょっとお腹が気になる）血液型：A型誕生日：1992年11月20日最終学歴：明治大学・情報コミュニケーション学部卒通勤：京王井の頭線で渋谷まで（通勤20分）家族構成：一人暮らし、実家には両親と2歳下の妹恋愛事情：独身。彼女は2年いない（本人は「忙しいだけ」と言い張る）

smapeとは予測と実測の誤差を評価する指標の一つです。正式には Symmetric Mean Absolute Percentage Error の略で、日本語では対称的平均絶対誤差率と呼ばれます。予測モデルの精度を数値で比較する際に使われ、0% が完璧な予測を意味します。

SMAPE の特徴

特徴は対称性があり、予測が過大でも過小でも同じようにペナルティを受けます。分母に |Forecast| と |Actual| の和 を使うため、データが小さいときでも値が大きく跳ね上がるのを抑える効果があります。

計算方法

SMAPE の正式な定義は次のとおりです。データ点を t から n まで持つとき、各点の誤差を |Forecast_t - Actual_t| とします。全体の SMAPE は以下の式の平均です。

項目	説明
定義	SMAPE = (1/n) * sum_{t=1..n} (2 * \|Forecast_t - Actual_t\| / (\|Forecast_t\| + \|Actual_t\|))
範囲	0% 〜 200% の範囲で表せます。0% が完璧、200% が大きなズレを意味します。
特徴	分母が双方の絶対値の和なので、片方が 0 の場合でも分母は実数となり、数値が定義されます。

具体例を見てみましょう。以下は 3 点の例です。

データ点	Actual	Forecast	誤差	SMAPE_i
1	100	110	10	0.0952
2	150	140	10	0.06897
3	200	190	10	0.05128
平均				0.0712

この例では平均 SMAPE は約 0.0712 となります。これを percent に直すと約 7.12% です。

注意点として、SMAPE はデータのスケールに依存しませんが、分母の構造上 0 の扱いに注意が必要です。実務で使うときは 0 のデータ点の扱いをあらかじめ決めておくと良いです。

他の指標との比較としては、SMAPE は百分率で表されるため異なるスケールのデータを同じ基準で比較しやすい利点があります。一方でゼロ値が多いデータや極端な値が混ざる場合の補正をどうするかがポイントです。練習としては MAE RMSE など他の指標と一緒に使い、どの指標が自分のデータに最も適しているかを判断すると良いでしょう。

初心者向けのまとめとして、smape は予測と実測の差を予測値と実測値の和で割って平均する指標です。難しい数式に見えますが、実務ではデータの規模を越えて比較するのに役立つため、まずは覚えておくとよい指標の一つです。

smapeの同意語

SMAPE: Symmetric Mean Absolute Percentage Errorの略。予測値と実測値の絶対誤差を、予測値と実測値の和で対称的に正規化した、パーセント表現の誤差指標。
sMAPE: SMAPEと同義の別表記。小文字の s で始まる表記で、同じ指標を指すことが多い。
Symmetric Mean Absolute Percentage Error: この指標の正式英語表記。予測誤差を対称的に評価する、平均絶対百分率誤差の指標。
対称平均絶対誤差: 日本語訳の表現のひとつ。予測値と実測値の絶対誤差を対称に扱い、平均して百分率で示す指標。
対称平均絶対誤差率: 日本語訳としての別表現。絶対誤差を百分率で正規化して平均した指標。

smapeの対義語・反対語

完璧な予測: 予測と実測が完全に一致し、誤差が0に近い状態。SMAPEの最小・理想値に近い対義的イメージです。
誤差ゼロ: 予測値と実測値の差が全くない状態。現実には難しいが、理想的な対義語として用いられる表現です。
高精度の予測: 予測値と実測値の差が非常に小さい状態。SMAPEが低い場合に想起される、対義語的・肯定的な表現です。
完全一致: 予測値と実測値が数値的に完全に一致する状態。SMAPEが0に近づく状況と結びつく言い換えです。
絶対的正確さ: 誤差がほぼない、あるいは全くないといえる確実性を表す表現。理想的な予測精度のニュアンスです。
最適な予測モデル: データに対して最も正確な予測を提供できる、理想的なモデルを指す表現。対義語的イメージとして用いられます。
超低誤差予測: 誤差が非常に小さい予測を指す表現。SMAPEが極端に低い状態の対語的イメージです。

smapeの共起語

MAPE: 平均絶対パーセント誤差。予測値と実測値の差の絶対値を実測値で割って平均した指標。0%に近いほど予測が正確だが、実測値が0の場合は計算できない点に注意。
MAE: 平均絶対誤差。予測値と実測値の差の絶対値の平均。直感的で解釈しやすいが、誤差の単位がそのまま残る点が特徴。
RMSE: 平方根平均二乗誤差。誤差を二乗して平均し、最後に平方根をとる指標。大きな誤差を重視しやすく、外れ値の影響を受けやすい。
MSE: 平均二乗誤差。誤差の二乗の平均。RMSEの基盤となる指標で、外れ値の影響を受けやすい。
APE: 絶対パーセント誤差。MAPEと同義で使われることがある。絶対値を用いた百分率の誤差を表す。
時系列予測: 時系列データを用いて未来の値を予測する分野・作業。SMAPEはこの場面で評価指標としてよく使われる。
予測精度: 予測が実測値にどれだけ近いかを示す総称。SMAPEはその一つの数値化指標。
誤差: 予測値と実測値の差。予測モデルの性能を測る基本的な概念。
実測値: 観測され、実際に得られた値。予測と比較して誤差を算出する基準となる値。
予測値: モデルが推定・予測した値。実測値と比較して誤差を算出する対象。
相対誤差: 誤差を実測値で割った比率。データの規模を考慮した比較を可能にする指標。
対称性: SMAPEの特徴の一つ。実測値と予測値の和を分母に用いることで、誤差の方向性に対して対称的な評価を確保する。
ゼロ除算リスク: 実測値と予測値の和が0になると分母が0になり、計算不能になる場合がある点。
0〜200%の範囲: SMAPEの一般的な値域。0%は完全一致、最大付近は大きな誤差を示すことが多い。
sMAPE: Symmetric Mean Absolute Percentage Error の略。SMAPEと同じ概念を指す表記揺れ。
SMAPEとMAPEの違い: MAPEは分母に実測値のみを用いるのに対し、SMAPEは実測値と予測値の和を分母にして対称性を確保する点が異なる。

smapeの関連用語

SMAPE: 対称平均絶対誤差。予測値と実測値の差を、両者の規模の和で対称的に割って評価する誤差指標。0%が完全予測、値が小さいほど良い。計算式には分母の定義に揺れがある点に注意。
sMAPE: SMAPEと同義で使われる表記。分母として |A|+|F| を用い、2を掛ける形式で表されることが多い。小さければ良いが定義差に注意。
MAPE: Mean Absolute Percentage Error。予測誤差の絶対値を実測値で割って平均した指標。単位を持たず分母が小さいと値が大きくなりやすい点が欠点。
MAE: Mean Absolute Error。誤差の絶対値の平均。直感的で解釈しやすいが、大きな誤差を過度に重視することは少ないが外れ値に影響されやすい点がある。
RMSE: Root Mean Squared Error。誤差の二乗平均の平方根。大きな誤差を重視する性質があり、外れ値に敏感。
MSE: Mean Squared Error。誤差の二乗平均。RMSEの内部指標で、外れ値の影響を強く受ける点に注意。
RMSLE: Root Mean Squared Logarithmic Error。対数スケールでの誤差を計算する指標。成長データの比較に適し、0以下の値には対処が必要。
MAAPE: Mean Arctangent Absolute Percentage Error。絶対誤差をアークタンジェントで変換して評価することで、外れ値の影響を緩和する指標。
MASE: Mean Absolute Scaled Error。過去データの基準誤差と比較して評価する指標。データのスケールに依存せず、モデル間の比較を容易にする。
MAPEの注意点: 実測値が0になると定義が不安定になることがある。負値が混じるデータには適用しづらい点にも留意。
0除算対応・非負前提: 多くのMAPE系指標は実測値が0になると計算が難しくなる。非負データを前提に使うことが多いが、負値がある場合は別指標を用いる。
用途と注意点: 需要予測・売上予測・在庫予測など、予測精度を比較・評価する場面で使われる。比較には同じデータセット・同じ前処理・同じ期間で評価することが重要。
データ前処理と組み合わせ: 外れ値処理・欠損値処理・正規化・スケーリングなどの前処理を行ってから指標を算出するのが望ましい。