Średni Błąd Bezwzględny (MAE)
Średni Błąd Bezwzględny (MAE) to solidna metryka, która mierzy średnią bezwzględną wielkość błędów predykcji w modelach regresji. Sięgając prac Pierre’a-Simona Laplace’a nad błędami obserwacyjnymi (1799), MAE kwantyfikuje typowe odchylenie predykcji poprzez uśrednianie bezwzględnych różnic między wartościami obserwowanymi a przewidywanymi.
Przeczytaj pełny opis metody
Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.
Method map
The neighbourhood of related methods — select a node to explore.
Źródła
- 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
Jak cytować tę stronę
ScholarGate. (2026, June 3). Mean Absolute Error. ScholarGate. https://scholargate.app/pl/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.
- Średni bezwzględny błąd procentowy (MAPE)Ocena modeli↔ compare
- Średni błąd kwadratowy (MSE)Ocena modeli↔ compare
- Pierwiastek średniokwadratowy błędu (RMSE)Ocena modeli↔ compare
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →