В чем разница между среднеквадратической и среднеабсолютной ошибками при анализе данных?

Разница между среднеквадратической (MSE) и среднеабсолютной (MAE) ошибками при анализе данных заключается в том, как они измеряют отклонения предсказаний модели от реальных значений. sky.pro

Среднеквадратическая ошибка (MSE) измеряет среднее значение квадратов разностей между прогнозируемыми и фактическими значениями. netology.ru sky.pro Грубые ошибки становятся более заметными благодаря тому, что ошибка прогноза возводится в квадрат. netology.ru Чем меньше значение MSE, тем меньше грубых ошибок даёт модель. netology.ru

Средняя абсолютная ошибка (MAE) измеряет среднее абсолютное отклонение между предсказанными и фактическими значениями. sky.pro Это интуитивно понятная метрика, которая представляет «типичную» ошибку модели в тех же единицах, что и целевая переменная. sky.pro Если MAE равна 0, это указывает на идеальное соответствие прогнозов реальным значениям. shakhbanov.org Чем выше значение MAE, тем больше ошибок в прогнозах модели. shakhbanov.org

Некоторые другие различия:

• Чувствительность к выбросам. sky.pro wiki.loginom.ru MAE менее чувствительна к выбросам в данных, чем MSE. wiki.loginom.ru
• Единицы измерения. sky.pro MAE сохраняет единицы измерения исходных данных, MSE даёт квадрат этих единиц. sky.pro
• Дифференцируемость. sky.pro MSE дифференцируема везде, что делает её идеальной для методов оптимизации, основанных на градиентном спуске. sky.pro MAE не дифференцируема в точках, где ошибка равна нулю. sky.pro