Mittlerer Absoluter Fehler (MAE)
Der Mittlere Absolute Fehler (MAE) ist eine robuste Metrik, die das durchschnittliche absolute Ausmaß von Vorhersagefehlern in Regressionsmodellen misst. Der MAE, dessen Wurzeln auf die Arbeiten von Pierre-Simon Laplace über Beobachtungsfehler (1799) zurückgehen, quantifiziert die typische Vorhersageabweichung, indem der Durchschnitt der absoluten Differenzen zwischen beobachteten und vorhergesagten Werten gebildet wird.
Die vollständige Methode lesen
Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.
Method map
The neighbourhood of related methods — select a node to explore.
Quellen
- 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
So zitieren Sie diese Seite
ScholarGate. (2026, June 3). Mean Absolute Error. ScholarGate. https://scholargate.app/de/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.
- Mittlerer absoluter prozentualer Fehler (MAPE)Modellevaluation↔ compare
- Mittlere quadratische Abweichung (MSE)Modellevaluation↔ compare
- Wurzel der Mittleren Quadratischen Fehler (RMSE)Modellevaluation↔ compare
Referenziert von
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →