Erreur Absolue Moyenne (EAM)
L'Erreur Absolue Moyenne (EAM) est une métrique robuste qui mesure la magnitude moyenne absolue des erreurs de prédiction dans les modèles de régression. Remontant aux travaux de Pierre-Simon Laplace sur les erreurs d'observation (1799), l'EAM quantifie l'écart de prédiction typique en moyennant les différences absolues entre les valeurs observées et prédites.
Lire la méthode complète
Connectez-vous avec un compte gratuit pour lire cette section.
Carte des méthodes
Le voisinage des méthodes apparentées — sélectionnez un nœud pour explorer.
Sources
- 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
Comment citer cette page
ScholarGate. (2026, June 3). Mean Absolute Error. ScholarGate. https://scholargate.app/fr/model-evaluation/mean-absolute-error
Quelle méthode ?
Placez cette méthode aux côtés de ses plus proches parentes et lisez-les côte à côte — la bibliothèque pose les ouvrages sur la table ; le choix vous revient.
- Erreur Absolue Moyenne en Pourcentage (MAPE)Évaluation de modèles↔ comparer
- Erreur quadratique moyenne (EQM)Évaluation de modèles↔ comparer
- Erreur quadratique moyenne (RMSE)Évaluation de modèles↔ comparer
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →