平均绝对误差（mean absolute error）

平均绝对误差是给「预测数字的模型」打分最朴实的办法：把每个预测偏离了多远取出来，去掉负号，再求平均。如果你的天气模型在三天里分别偏差了2度、1度和3度，它的MAE就是2度。它回答的是那个大白话问题——「我平均偏差了多少个单位？」——而且用的还是你一开始的那个单位。

和均方误差相比，MAE对所有错误一视同仁地按比例对待：偏差10，恰好就是偏差1的十倍那么重，不多也不少。它不做平方，所以单单一个反常的离群值，没法像在MSE里那样把分数炸开。这让MAE很稳健——当你的数据里偶尔有几个不想让它们主导结论的疯狂值时，它是个可信赖的概括。

它的权衡是实实在在、值得了解的。正因为MAE拒绝额外狠狠地惩罚大错，所以当「偏差10个单位」对你而言真的就等于「十次偏差1个单位」时，它是对的选择。但它在数学上不那么光滑（在零点有个尖角），所以作为训练目标，它比MSE稍微难伺候一点。而且它同样不能在尺度不同的问题之间比较，所以和所有误差度量一样，要拿它去和一个合理的基线比，而不要孤零零地看。