Порівняння методів
Переглядайте обрані методи поруч; рядки з відмінностями підсвічено.
| Середня абсолютна похибка (MAE)× | Середньоквадратична похибка (MSE)× | |
|---|---|---|
| Галузь | Оцінювання моделей | Оцінювання моделей |
| Родина | MCDM | MCDM |
| Рік появи≠ | 1799 | 1809 |
| Автор методу≠ | Pierre-Simon Laplace | Carl Friedrich Gauss |
| Тип≠ | Robust distance-based metric | Squared-error loss function |
| Основоположне джерело≠ | Laplace, P. S. (1799). Traité de Mécanique Céleste. Paris: J.B.M. Duprat. link ↗ | Gauss, C. F. (1809). Theoria Motus Corporum Coelestium in Sectionibus Conicis Solem Ambientium. Hamburg: Perthes and Besser. link ↗ |
| Інші назви | MAE, L1 error, mean absolute deviation | MSE, L2 error, quadratic error |
| Пов'язані≠ | 3 | 4 |
| Підсумок≠ | 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. |
| ScholarGateНабір даних ↗ |
|
|