MCDMError metric
میانگین خطای مطلق (MAE)
میانگین خطای مطلق (MAE) معیاری مقاوم است که بزرگی متوسط مطلق خطاهای پیشبینی در مدلهای رگرسیون را اندازهگیری میکند. MAE که ریشه در کارهای پیر-سیمون لاپلاس در مورد خطاهای مشاهدهای (۱۷۹۹) دارد، انحراف معمول پیشبینی را با میانگینگیری از تفاضلهای مطلق مقادیر مشاهدهشده و پیشبینیشده، کمی میکند.
مطالعهٔ کامل روش
ویژهٔ اعضا
ورودبرای خواندن این بخش با حساب رایگان وارد شوید.
Method map
The neighbourhood of related methods — select a node to explore.
منابع
- 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
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 3). Mean Absolute Error. ScholarGate. https://scholargate.app/fa/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.
- خطای مطلق میانگین درصدی (MAPE)ارزیابی مدل↔ compare
- میانگین مربعات خطا (MSE)ارزیابی مدل↔ compare
- خطای میانگین مربعات ریشهای (RMSE)ارزیابی مدل↔ compare
ارجاعشده در
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →