เปรียบเทียบวิธี

	ค่าเฉลี่ยความคลาดเคลื่อนสัมบูรณ์ (MAE)	ค่าคลาดเคลื่อนกำลังสองเฉลี่ย (Mean Squared Error: MSE)
สาขาวิชา	การประเมินแบบจำลอง	การประเมินแบบจำลอง
ตระกูล	MCDM	MCDM
ปีกำเนิด	1799	1809
ผู้ริเริ่ม	Pierre-Simon Laplace	Carl Friedrich Gauss
ประเภท	Robust distance-based metric	Squared-error loss function
แหล่งต้นตำรับ	Laplace, P. S. (1799). Traité de Mécanique Céleste. Paris: J.B.M. Duprat.	Gauss, C. F. (1809). Theoria Motus Corporum Coelestium in Sectionibus Conicis Solem Ambientium. Hamburg: Perthes and Besser.
ชื่อเรียกอื่น	MAE, L1 error, mean absolute deviation	MSE, L2 error, quadratic error
ที่เกี่ยวข้อง	3	4
สรุป	Mean Absolute Error is a robust metric that measures the average absolute magnitude of prediction errors in regression models. Dating back to Pierre-Simon Laplace's work on observational errors (1799), MAE quantifies typical prediction deviation by averaging the absolute differences between observed and predicted values.	Mean Squared Error is the foundational loss function for regression models, measuring the average squared deviation between predictions and observations. Originating from Gauss and Legendre's method of least squares (1805-1809), MSE is the basis for ordinary least squares regression and remains central to modern machine learning optimization.