складність 1/5
MAE
Середній розмір похибок без урахування їх знака — проста й чесна відповідь на питання «наскільки зазвичай промахується ця модель?».
Інтуїція
Візьміть розмір кожного промаху, знехтуйте тим, у більший чи менший бік він був, і усередніть. Це MAE, і на відміну від RMSE вона справді є середньою похибкою — тим числом, яке, як думає більшість людей, їм показують, коли наводять оцінку регресії.
Там, де MSE зводить похибки у квадрат і тому вважає один промах на 10 гіршим за десять промахів по 1, MAE вважає їх однаковими. Жодна не правильніша; вони кодують різні переконання про те, чого коштує поганий прогноз.
Формальне визначення
Як це працює
Де застосовується
Чому і коли
Практичний приклад
Типові помилки
Перевірте себе
3 запитання
Запитання до цієї сторінки входять у доступ. Їх перевіряє сервер, тож відповіді лишаються там, доки ви не дасте свою.
На шпаргалці: Regression metrics and losses →
Джерела
- scikit-learn — sklearn.metrics.mean_absolute_errordocs · звірено 2026-08-30https://scikit-learn.org/stable/modules/generated/sklearn.metrics.mean_absolute_error.html
- Dive into Deep Learning — 3.1 Linear Regressionbookhttps://d2l.ai/chapter_linear-regression/linear-regression.html
- Deep Learning (2016)bookhttps://www.deeplearningbook.org/
- scikit-learn — sklearn.linear_model.HuberRegressordocs · звірено 2026-10-06https://scikit-learn.org/stable/modules/generated/sklearn.linear_model.HuberRegressor.html