В чем разница между среднеквадратичной ошибкой и средней абсолютной ошибкой при оценке моделей?

Разница между среднеквадратичной ошибкой (MSE) и средней абсолютной ошибкой (MAE) при оценке моделей заключается в способе измерения и чувствительности к ошибкам. netology.ru {10-host}

Среднеквадратичная ошибка (MSE) представляет собой среднее арифметическое квадратов разностей между фактическими и прогнозируемыми значениями. netology.ru Благодаря возведению в квадрат грубые ошибки становятся более заметными. netology.ru Чем меньше значение MSE, тем меньше грубых ошибок даёт модель. netology.ru Однако MSE неустойчив к выбросам в данных и в некоторых случаях может приводить к некорректным выводам. netology.ru

Средняя абсолютная ошибка (MAE) измеряет среднее абсолютное отклонение каждого прогноза от соответствующего фактического значения. shakhbanov.org MAE является линейной оценкой, поэтому вес разностей одинаков независимо от диапазона. {10-host} Абсолютная ошибка оказывается менее чувствительна к выбросам в данных, чем среднеквадратическая. {10-host}

Таким образом, MSE больше подходит для ситуаций, когда важно подчеркнуть большие ошибки и выбрать модель, которая даёт меньше именно таких ошибок. {6-host} MAE же предпочтительнее в случаях, когда требуется равное отношение ко всем ошибкам, независимо от их величины. {9-host}