เปรียบเทียบวิธี

	ค่าคลาดเคลื่อนกำลังสองเฉลี่ย (Mean Squared Error: MSE)	ค่าเฉลี่ยความคลาดเคลื่อนสัมบูรณ์ (MAE)
สาขาวิชา	การประเมินแบบจำลอง	การประเมินแบบจำลอง
ตระกูล	MCDM	MCDM
ปีกำเนิด	1809	1799
ผู้ริเริ่ม	Carl Friedrich Gauss	Pierre-Simon Laplace
ประเภท	Squared-error loss function	Robust distance-based metric
แหล่งต้นตำรับ	Gauss, C. F. (1809). Theoria Motus Corporum Coelestium in Sectionibus Conicis Solem Ambientium. Hamburg: Perthes and Besser.	Laplace, P. S. (1799). Traité de Mécanique Céleste. Paris: J.B.M. Duprat.
ชื่อเรียกอื่น	MSE, L2 error, quadratic error	MAE, L1 error, mean absolute deviation
ที่เกี่ยวข้อง	4	3
สรุป	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.	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.