MAPE считается более чувствительным показателем, чем MAE, по следующим причинам:

• Измерение относительной ошибки. 2 MAPE выражает ошибку в процентах, что позволяет получить относительную меру ошибки. 2 Это полезно, когда важно понять размер ошибки в пропорции к фактическому значению. 2 Например, ошибка 10 долларов на товар стоимостью 100 долларов (ошибка 10%) более значима, чем ошибка 10 долларов на товар стоимостью 1000 долларов (ошибка 1%). 2
• Независимость от масштаба. 23 В отличие от MAE, на который влияет масштаб данных, MAPE предлагает независимый от масштаба взгляд на ошибку. 23 Это делает его ценным для сравнения производительности моделей на выборках с разными масштабами или единицами измерения. 23

В то же время MAE устойчив к выбросам, так как использует абсолютные значения ошибок и рассматривает все отклонения от истинных значений одинаково. 12