【需要予測エージェントを作る #2】
その需要予測は「前の週の同じ曜日」に勝っていますか
― ベースライン予測と MAE・SMAPE・MAE比の読み方 ―

【需要予測エージェントを作る #2】その需要予測は「前の週の同じ曜日」に勝っていますか― ベースライン予測と MAE・SMAPE・MAE比の読み方 ―

「この需要予測モデルの誤差は、平均で3.6個です」

こう報告されても、それが良いのか悪いのかは分かりません。

判断するには、比べる相手と、何で測るかの2つが必要です。

この記事では、数行で書ける単純な予測(ベースライン)を3つ作り、MAE・SMAPE・MAE比という3つの物差しで、予測モデルと比べます。

評価のしかた(時系列分割とバックテスト)は、前回の記事「需要予測の精度は『評価のしかた』で変わる」で扱いました。この記事は、その続きです。

この記事の概要です。

  • 単純な予測と比べないと、モデルの価値は分からない。この記事の例では、モデルのMAEは 3.59。「同じ曜日の直近4回の平均」という単純な予測は 3.68 で、差は 0.09 個しかありませんでした。
  • 物差しによって、答える問いが違う。MAE は「何個ずれるか」、SMAPE は「何%ずれるか」、MAE比は「単純な予測の何倍か」です。
  • 物差しを変えると、「誤差の大きい商品」が入れ替わる。MAE で見ると、いちばん誤差が大きいのは、よく売れる弁当A。SMAPE で見ると、あまり売れないデザートC です。

ベースライン予測とは、予測モデルの比較相手にする、単純な予測のことです。「前の週の同じ曜日の実績を、そのまま来週の予測にする」のように、数行で計算できるものを使います。MAE比とは、モデルの MAE をベースラインの MAE で割った値で、1より小さければ、モデルは単純な予測より誤差が小さいことを表します。

Screenshot

【月1 特定テーマ講座(12月)】
需要予測エージェントを作る(需要予測 × PYTHON × 生成AI)

【開催日時】 全2回(土)2026/12/5,12/19(13:30〜18:00)
【受講形式】 当日Zoom( or 復習用に後日動画視聴)
【参加費用】 2万2千円(税込み)/人

先に、この記事で出てくる用語を整理します

いま全部覚える必要はありません。読んでいて分からなくなったら、ここに戻ってください。

用語 意味
ベースライン 比べる相手にする、単純な予測
前週同曜日 7日前の実績を、そのまま予測にする方法
4週同曜日平均 同じ曜日の直近4回(7・14・21・28日前)の実績を平均する方法
直近28日平均 基準日までの28日間の実績を、曜日に関係なく平均する方法
基準日 「この日までのデータが手元にある」と決める日
バックテスト 基準日をずらしながら、過去の各時点で予測と実績を比べること
MAE 平均絶対誤差。予測と実績の差(個数)の平均
SMAPE 対称平均絶対パーセント誤差。差を、予測と実績の平均で割って%にしたものの平均
MAPE 平均絶対パーセント誤差。差を実績で割る。実績が0の日は計算できない
バイアス 予測から実績を引いた値の平均。プラスなら多め、マイナスなら少なめに予測している
MAE比 モデルのMAE ÷ ベースラインのMAE

 

比べる相手を決める:3つのベースライン

予測モデルを作ると、複雑な計算をしているぶん、良い予測が出ているように感じます。

しかし、日次の販売数量は「先週の同じ曜日と、だいたい同じ」ことが多いデータです。何も学習しなくても、そこそこ当たります。

モデルの価値は、この「そこそこ」をどれだけ上回ったかで測ります。

3つのベースライン予測が使う過去の日前週同曜日は7日前の1日、4週同曜日平均は同じ曜日の直近4日、直近28日平均は直近28日のすべてを使う。3つのベースライン:予測する日(★)に、過去のどの日を使うか前週同曜日7日前の実績を、そのまま使う★4週同曜日平均同じ曜日の直近4回を平均する★直近28日平均直近28日を平均する(曜日を見ない)★予測に使う日使わない日予測する日点線=1週間の区切り

 

3つのベースラインには、それぞれ癖があります。

  • 前週同曜日:曜日の癖をそのまま引き継げます。ただし、7日前がたまたま多かった・少なかった場合、そのぶれも引き継ぎます。
  • 4週同曜日平均:4回ぶんを平均するので、たまたまのぶれがならされます。そのかわり、売れ方が変わったときの反応は遅くなります。
  • 直近28日平均:28日ぶんを使うので、いちばん安定します。ただし曜日を見ないので、平日と週末で売れ方が違う商品では外れます。

 

何で測るかを決める:4つの物差し

MAE・SMAPE・バイアス・MAE比が答える問いMAEは何個ずれるか、SMAPEは何パーセントずれるか、バイアスはどちら向きにずれるか、MAE比は単純な予測の何倍かを表す。4つの物差しは、答える問いが違うMAE何個ずれるか・予測と実績の差(個数)の平均・よく売れる商品ほど大きくなるSMAPE何%ずれるか・差を、予測と実績の平均で割る・あまり売れない商品ほど大きくなるバイアスどちら向きにずれるか・プラスなら多め、マイナスなら少なめ・0に近くても、誤差が小さいとは限らないMAE比単純な予測の何倍か・モデルのMAE ÷ ベースラインのMAE・1より小さければ、単純な予測より良い

 

 MAE:何個ずれるか

予測と実績の差の、絶対値の平均です。予測が12個で実績が8個なら、差は4個。予測が3個で実績が1個なら、差は2個。

この2日のMAEは 3個です。単位が「個」なので、現場の感覚と結びつけやすい物差しです。

弱点は、よく売れる商品ほど大きくなることです。

1日に50個売れる商品の「4個のずれ」と、1日に3個しか売れない商品の「2個のずれ」は、個数では前者が大きくても、深刻なのは後者です。

 

 SMAPE:何%ずれるか

差を、予測と実績の平均で割って、%にします。

予測12個・実績8個なら、差4個 ÷ 平均10個 = 40%。予測3個・実績1個なら、差2個 ÷ 平均2個 = 100%です。

割合なので、売れ方の違う商品どうしを比べられます。

似た物差しに MAPE(差を実績で割る)がありますが、実績が0個の日は割り算ができません。

日次の販売データには0個の日があるので、この記事では SMAPE を使います。

SMAPE は、予測も実績も0なら0%、片方だけが0なら200%(上限)になります。

弱点は、あまり売れない商品ほど大きくなることです。1個のずれでも、分母が小さいので、大きな%になります。

 

 バイアス:どちら向きにずれるか

予測から実績を引いた値を、絶対値を取らずに平均します。プラスなら多めに、マイナスなら少なめに予測する癖がある、ということです。

多めの予測は売れ残りに、少なめの予測は欠品につながるので、向きは実務で大事な情報です。

ただし、多めの日と少なめの日が打ち消し合うと0に近づくので、バイアスが0でも誤差が小さいとは限りません。

 

 MAE比:単純な予測の何倍か

モデルの MAE を、ベースラインの MAE で割ります。0.8 なら「単純な予測より誤差が2割小さい」、1.0 以上なら「単純な予測と同じか、それより悪い」です。

商品ごとの売れ方の違いが分母と分子で打ち消されるので、商品どうしを比べるのにも使えます。

 

Pythonで確かめる:3商品・4つの方式・4つの物差し

必要なライブラリは pandas、numpy、scikit-learn の3つです。コードは上から順につなげると、1本のスクリプトとしてそのまま実行できます。

 

 練習用のデータと特徴量を作る

ふだんの売れ方が違う3つの商品(弁当A:1日に50個前後、おにぎりB:十数個、デザートC:数個)の、2年ぶんの日次の販売数量を作ります。

乱数の種を固定しているので、誰が実行しても同じ数字になります。特徴量は、曜日、日付の通し番号、7・14・21・28日前の販売数量です。

以下、コードです。

import numpy as np
import pandas as pd
from sklearn.ensemble import HistGradientBoostingRegressor

# 1. 練習用のデータを作る(3商品・2年分の日次の販売数量)
rng = np.random.default_rng(0)
dates = pd.date_range("2024-09-01", "2026-08-31", freq="D")
weekday_factor = np.array([1.0, 1.0, 1.0, 1.0, 1.1, 0.7, 0.6])[dates.dayofweek]   # 月〜日の曜日の癖
frames = []
for name, base in [("弁当A", 60), ("おにぎりB", 20), ("デザートC", 4)]:        # ふだんの売れ方が違う3商品
    level = base * np.exp(np.cumsum(rng.normal(0, 0.012, len(dates))))          # ゆっくり変わる水準
    frames.append(pd.DataFrame({"product": name, "date": dates, "qty": rng.poisson(level * weekday_factor)}))
df = pd.concat(frames, ignore_index=True)

# 2. 特徴量を作る(7日先までの予測に使える値だけ)
df["dow"] = df["date"].dt.dayofweek
df["day_no"] = (df["date"] - df["date"].min()).dt.days
for k in (7, 14, 21, 28):
    df[f"lag{k}"] = df.groupby("product")["qty"].shift(k)                       # k日前の販売数量(商品ごと)
df = df.dropna().reset_index(drop=True)
FEATURES = ["dow", "day_no", "lag7", "lag14", "lag21", "lag28"]

 

 4つの方式で、同じ56日ぶんを予測する

基準日を7日ずつずらして8回、「基準日までのデータで、翌7日を予測する」ことをくり返します。

そのつど、3つのベースラインと、予測モデル(勾配ブースティング)の4つで予測します。

4つとも、同じ日を、同じ条件で予測していることが大事です。

以下、コードです。

# 3. バックテスト:4つの方式で、同じ56日ぶんを予測する
rows = []
last = df["date"].max()
for name, g in df.groupby("product", sort=False):
    for i in range(8, 0, -1):
        origin = last - pd.Timedelta(days=7 * i)                                # 基準日
        train = g[g["date"] <= origin]
        test = g[(g["date"] > origin) &amp; (g["date"] <= origin + pd.Timedelta(days=7))].copy()
        model = HistGradientBoostingRegressor(loss="poisson", random_state=0).fit(train[FEATURES], train["qty"])
        test["前週同曜日"] = test["lag7"]                                          # ベースライン1:7日前の実績をそのまま使う
        test["4週同曜日平均"] = test[["lag7", "lag14", "lag21", "lag28"]].mean(axis=1)   # ベースライン2:同じ曜日の直近4回の平均
        test["直近28日平均"] = train["qty"].tail(28).mean()                        # ベースライン3:基準日までの28日の平均(曜日を見ない)
        test["モデル"] = model.predict(test[FEATURES])
        rows.append(test)
bt = pd.concat(rows, ignore_index=True)
METHODS = ["前週同曜日", "4週同曜日平均", "直近28日平均", "モデル"]

 

 4つの物差しで測る

物差しは、どれも数行の関数です。方式別の表と、商品別の表を出します。

以下、コードです。

# 4. 3つの物差し(+バイアス)
def mae(pred, actual):                      # 平均絶対誤差(個)
    return float(np.mean(np.abs(pred - actual)))


def smape(pred, actual):                    # 対称平均絶対パーセント誤差(%)。予測も実績も0の日は0とする
    denom = np.abs(pred) + np.abs(actual)
    return float(np.mean(np.where(denom == 0, 0.0, 200.0 * np.abs(pred - actual) / np.where(denom == 0, 1, denom))))


def bias(pred, actual):                     # バイアス(個)。プラスなら多めに、マイナスなら少なめに予測している
    return float(np.mean(pred - actual))


print("■ 方式別(3商品をまとめて計算)")
overall = pd.DataFrame({m: {"MAE": mae(bt[m], bt["qty"]), "SMAPE": smape(bt[m], bt["qty"]), "バイアス": bias(bt[m], bt["qty"])} for m in METHODS}).T
overall["MAE比"] = overall["MAE"] / overall.loc["前週同曜日", "MAE"]
print(overall.round(2).to_string())

print()
print("■ 商品別(モデルと、前週同曜日)")
out = []
for name, g in bt.groupby("product", sort=False):
    m, b = mae(g["モデル"], g["qty"]), mae(g["前週同曜日"], g["qty"])
    out.append({"商品": name, "平均販売数量": g["qty"].mean(), "MAE": m, "SMAPE": smape(g["モデル"], g["qty"]),
                "バイアス": bias(g["モデル"], g["qty"]), "前週同曜日のMAE": b, "MAE比": m / b})
print(pd.DataFrame(out).round(2).to_string(index=False))

 

以下、実行結果です。

■ 方式別(3商品をまとめて計算)
          MAE  SMAPE  バイアス  MAE比
前週同曜日    4.99  32.64 -0.23  1.00
4週同曜日平均  3.68  25.83 -0.22  0.74
直近28日平均  4.65  29.24 -0.22  0.93
モデル      3.59  25.45 -0.32  0.72

■ 商品別(モデルと、前週同曜日)
   商品  平均販売数量  MAE  SMAPE  バイアス  前週同曜日のMAE  MAE比
  弁当A   47.52 6.21  13.92  0.08       9.21  0.67
おにぎりB   12.55 2.91  24.99 -0.97       3.71  0.78
デザートC    4.68 1.67  37.45 -0.09       2.04  0.82

 

結果を読む

 方式別:モデルは、単純な予測にどれだけ勝ったか

方式 MAE SMAPE バイアス MAE比
前週同曜日 4.99 32.64 -0.23 1.00
4週同曜日平均 3.68 25.83 -0.22 0.74
直近28日平均 4.65 29.24 -0.22 0.93
モデル 3.59 25.45 -0.32 0.72
  • モデルは、前週同曜日には大きく勝っている。MAE は 4.99 から 3.59 へ、MAE比は 0.72 です。「単純な予測より誤差が約3割小さい」と言えます。
  • しかし、4週同曜日平均との差は 0.09 個しかない。3.68 と 3.59 です。4つの数字を平均するだけの計算が、機械学習のモデルとほぼ同じ精度を出しています。比べる相手に前週同曜日しか置いていなければ、「3割改善」という数字だけが残り、この事実には気づけません。
  • 直近28日平均は、このデータでは弱い。平日と週末で売れ方が違うのに、曜日を見ていないからです。
  • バイアスは、4つとも少しマイナス。どの方式も、わずかに少なめに予測しています。モデルが −0.32 でいちばん大きいので、MAE が小さくても、欠品の側に寄りやすい点は気に留めておきます。

この結果から「モデルは要らない」と言いたいのではありません。

販促や価格のように、過去の実績の平均では表せない情報を使えるのは、モデルの強みです。

言いたいのは、比べる相手を複数置いて初めて、モデルに何を期待してよいかが分かるということです。

 

 商品別:物差しを変えると、順位が入れ替わる

商品 1日の平均 MAE SMAPE バイアス MAE比
弁当A 47.52 6.21 13.92 0.08 0.67
おにぎりB 12.55 2.91 24.99 -0.97 0.78
デザートC 4.68 1.67 37.45 -0.09 0.82
  • MAE がいちばん大きいのは弁当A(6.21個)、SMAPE がいちばん大きいのはデザートC(37.45%)。

    「誤差の大きい商品はどれか」という問いの答えが、物差しで逆になります。

    MAE だけを見ていると、よく売れる商品ばかりが「問題あり」に見えます。

  • デザートCは、1.67個のずれでも、割合では4割近い。1日に5個弱しか売れないからです。発注が1個単位の商品では、この割合の大きさが効いてきます。
  • おにぎりBは、バイアスが −0.97。1日の平均 12.55 個に対して、約8%少なめに予測しています。MAE や SMAPE では見えない癖です。
  • MAE比は、3商品とも1より小さい。どの商品でも、モデルは前週同曜日に勝っています。ただし勝ち方は、弁当Aの 0.67 から、デザートCの 0.82 まで差があります。

全体の数字(MAE 3.59)は、3商品の56日ぶんをまとめた平均です。

よく売れる弁当Aの誤差に引っぱられるので、全体だけを見ていると、デザートCの「4割ずれる」や、おにぎりBの「少なめに外す」は見えません。

 

自分のデータで評価するときのチェックリスト

  • ベースラインを2つ以上置いたか(前週同曜日と、同曜日の平均など)
  • モデルとベースラインを、同じ日・同じ条件で比べたか
  • 個数の物差し(MAE)と、割合の物差し(SMAPE)を両方見たか
  • バイアスの向きを見たか(欠品が困るのか、売れ残りが困るのかで、許せる向きが変わる)
  • 全体だけでなく、商品別に見たか
  • MAE比が1に近い・1を超える商品を、「予測を信用しにくい商品」として扱うしくみがあるか

 

まとめ

今回のポイントです。

  • 予測モデルは、単純な予測(ベースライン)と比べて初めて評価できる。ベースラインは複数置く
  • MAE は個数、SMAPE は割合、バイアスは向き、MAE比は単純な予測との比。答える問いが違うので、組み合わせて見る
  • 全体の数字だけでなく、商品別に見る。物差しを変えると、誤差の大きい商品は入れ替わる

 

よくある質問

Q. MAPE ではだめですか

実績が0個の日がなければ使えます。

日次の商品別データでは0個の日が出やすく、そのたびに計算できなくなるので、SMAPE のほうが扱いやすいです。

なお、SMAPE にも「販売数量の少ない商品で大きく出る」という癖があるので、MAE と一緒に見ます。

Q. MAE比が1を超えたら、どうすればよいですか

その商品では、モデルより単純な予測のほうが良い、ということです。

まず原因を確かめます(欠品や販促の記録漏れ、発売直後で履歴が短い、など)。

原因が分からないあいだは、その商品だけベースラインの予測を使う、あるいは「予測を信用しにくい商品」として担当者の確認に回す、という扱いが現実的です。

Q. バイアスは、どのくらいなら許せますか

決まった基準はありません。

目安の1つは、その商品のふだんの販売数量に対する割合です。この記事のおにぎりBは約8%でした。

たとえば「同じ向きのずれが何週も続き、ふだんの1割を超えたら確認する」のように、割合と続き方の両方で決めておくと、運用で迷いません。

Q. ベースラインは、どれを選べばよいですか

1つに決めず、複数置きます。

この記事のデータでは4週同曜日平均が、D店のデータでは直近28日平均が、いちばん手ごわい相手でした。

報告に使う MAE比の分母は、説明しやすい「前週同曜日」にそろえ、ほかのベースラインは表に並べておく、という使い方がおすすめです。

Screenshot

【月1 特定テーマ講座(12月)】
需要予測エージェントを作る(需要予測 × PYTHON × 生成AI)

【開催日時】 全2回(土)2026/12/5,12/19(13:30〜18:00)
【受講形式】 当日Zoom( or 復習用に後日動画視聴)
【参加費用】 2万2千円(税込み)/人