Как метрики MAE и MSE помогают в оценке точности моделей?

Метрики MAE и MSE помогают в оценке точности моделей, позволяя количественно оценить, насколько предсказания модели отклоняются от реальных значений. 1

MAE измеряет среднее абсолютное отклонение между предсказанными и фактическими значениями. 1 Это интуитивно понятная метрика, которая представляет «типичную» ошибку модели в тех же единицах, что и целевая переменная. 1 MAE устойчива к выбросам, так как использует абсолютные значения ошибок. 3

MSE возводит каждое отклонение в квадрат перед усреднением, что серьёзно увеличивает вес крупных ошибок. 1 Это делает MSE особенно чувствительной к выбросам, но также даёт ей математические свойства, полезные для оптимизации. 1

При оценке качества моделей MAE и MSE часто дополняются коэффициентом детерминации R², который показывает долю дисперсии зависимой переменной, объясняемую моделью. 1