Middelfejl (MAE)
Middelfejl (Mean Absolute Error, MAE) er en robust metrik, der måler den gennemsnitlige absolutte størrelse af forudsigelsesfejl i regressionsmodeller. Med rødder tilbage til Pierre-Simon Laplaces arbejde med observationsfejl (1799) kvantificerer MAE den typiske forudsigelsesafvigelse ved at beregne gennemsnittet af de absolutte forskelle mellem observerede og forudsagte værdier.
Læs hele metoden
Log ind med en gratis konto for at læse dette afsnit.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- Laplace, P. S. (1799). Traité de Mécanique Céleste. Paris: J.B.M. Duprat. link ↗
- Brossier, C. L. (1999). Consistency of trimmed and Winsorized L-estimators of location and scale. Journal of the American Statistical Association, 74(368), 813-821. link ↗
- Huber, P. J. (2009). Robust Statistics (2nd ed.). Hoboken, NJ: John Wiley & Sons. ISBN: 978-0470129906
Sådan citerer du denne side
ScholarGate. (2026, June 3). Mean Absolute Error. ScholarGate. https://scholargate.app/da/model-evaluation/mean-absolute-error
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Middelabsolut procentfejl (MAPE)Modelevaluering↔ compare
- Middelfejlskvadrat (MSE)Modelevaluering↔ compare
- Root Mean Squared Error (RMSE)Modelevaluering↔ compare
Refereret af
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →