パン屋が来週の販売数を予測します。AIの答えは108個。先週は95個売れたので、「来週も95個」と見積もる手もあります。翌週、実際に売れたのは100個でした。AIは8個、先週の数字を使う方法は5個ずれました。
中央の実績100個から左右への距離を比べると、この週は先週の数字の方が近かったと分かります。数値は説明用です。
この「先週と同じ」のような比較相手を、ベースラインと呼びます。予測の教科書『Forecasting: Principles and Practice』では、過去の平均や直近の実績を使う方法を紹介しています。機械学習のライブラリscikit-learnにも、学習データの平均などを返す比較用の予測器があります。
ベースラインは予測する方法で、誤差はその予測を採点する物差しです。たとえば、売れ行きが曜日で変わる店なら、同じ曜日の実績を使う方法が比較相手になります。AIとその方法に同じ期間を予測させ、実績との差を同じように数えます。
一週の結果だけで決めると、たまたま近かった数字を選んでしまいます。普段の週と連休や販促のある週を含め、予測した時点で手に入った情報だけで比べます。どんな週に誤差が減り、その差が仕込みや廃棄の判断に役立つかまで見れば、導入する価値を考えやすくなります。