平均絕對誤差（mean absolute error）

平均絕對誤差是給「預測數字的模型」打分最樸實的辦法：把每個預測偏離了多遠取出來，去掉負號，再求平均。如果你的天氣模型在三天裡分別偏差了2度、1度和3度，它的MAE就是2度。它回答的是那個大白話問題——「我平均偏差了多少個單位？」——而且用的還是你一開始的那個單位。

和均方誤差相比，MAE對所有錯誤一視同仁地按比例對待：偏差10，恰好就是偏差1的十倍那麼重，不多也不少。它不做平方，所以單單一個反常的離群值，沒法像在MSE裡那樣把分數炸開。這讓MAE很穩健——當你的數據裡偶爾有幾個不想讓它們主導結論的瘋狂值時，它是個可信賴的概括。

它的權衡是實實在在、值得了解的。正因為MAE拒絕額外狠狠地懲罰大錯，所以當「偏差10個單位」對你而言真的就等於「十次偏差1個單位」時，它是對的選擇。但它在數學上不那麼光滑（在零點有個尖角），所以作為訓練目標，它比MSE稍微難伺候一點。而且它同樣不能在尺度不同的問題之間比較，所以和所有誤差度量一樣，要拿它去和一個合理的基線比，而不要孤零零地看。