平均絕對誤差意思

平均絕對誤差（Mean Absolute Error, MAE）是統計學和機器學習中的一個指標，用來衡量預測模型預測值與實際值之間的差異。它計算的是所有觀察點的預測誤差的絕對值，並將其平均。

平均絕對誤差可以表示為以下公式：

[ MAE = \frac{1}{n} \sum_{i=1}^{n} |y_i - \hat{y}_i| ]

其中：

平均絕對誤差是一個相對容易解釋的指標，因為它直接衡量了預測誤差的平均大小。較小的平均絕對誤差表示預測模型有較好的預測能力。

平均絕對誤差的一個優點是它對離群值不敏感，因為它只計算誤差的絕對值，而不考慮誤差的正負號。這意味著一個大的離群值不會對平均絕對誤差產生過大的影響。

然而，平均絕對誤差的一個缺點是它沒有考慮誤差的分布。例如，如果預測誤差集中在一個小範圍內，即使平均絕對誤差較小，也可能意味著預測模型在某些區域的表現不佳。

在機器學習中，平均絕對誤差是一個常用的評估指標，尤其是在預測連續變量時。它可以用來選擇最佳模型，或者作為模型調參的依據。