পদ্ধতির তুলনা করুন

	গড় বর্গ ত্রুটি (MSE)	গড় পরম ত্রুটি (MAE)
ক্ষেত্র	মডেল মূল্যায়ন	মডেল মূল্যায়ন
পরিবার	MCDM	MCDM
উদ্ভবের বছর	1809	1799
প্রবর্তক	Carl Friedrich Gauss	Pierre-Simon Laplace
ধরন	Squared-error loss function	Robust distance-based metric
মৌলিক উৎস	Gauss, C. F. (1809). Theoria Motus Corporum Coelestium in Sectionibus Conicis Solem Ambientium. Hamburg: Perthes and Besser.	Laplace, P. S. (1799). Traité de Mécanique Céleste. Paris: J.B.M. Duprat.
অপর নাম	MSE, L2 error, quadratic error	MAE, L1 error, mean absolute deviation
সম্পর্কিত	4	3
সারসংক্ষেপ	Mean Squared Error is the foundational loss function for regression models, measuring the average squared deviation between predictions and observations. Originating from Gauss and Legendre's method of least squares (1805-1809), MSE is the basis for ordinary least squares regression and remains central to modern machine learning optimization.	Mean Absolute Error is a robust metric that measures the average absolute magnitude of prediction errors in regression models. Dating back to Pierre-Simon Laplace's work on observational errors (1799), MAE quantifies typical prediction deviation by averaging the absolute differences between observed and predicted values.