MAE (Mean Absolute Error)
MAE (Mean Absolute Error): Funzione di loss misurando differenza assoluta media tra valori predetti e reali. MAE = (1/n) Σ|ytrue - ypred|. Più robusto agli outlier rispetto a MSE. Penalità lineare per errori. Esempi di applicazione: Loss regressione robusta, Valutazione resistente outlier, Magnitudine errore.
In English: MAE (Mean Absolute Error)Legge IV · Loss, gradiente e ottimizzatoriConfronto: MSE e MAE: differenze e quando usare l'uno o l'altroMAE = (1/n) * Σ|y_true - y_pred|. Più robusto agli outlier rispetto a MSE. Penalità lineare per errori.
Formula
MAE = (1/n) Σᵢ |yᵢ − ŷᵢ|
Esempio numerico
import numpy as np
y = np.array([2.0, 4.0, 6.0])
p = np.array([1.0, 5.0, 5.0])
print(np.mean(np.abs(y - p))) # 1.0Quando usarlo
È una metrica o loss di regressione leggibile nella stessa unità del target e più robusta agli outlier del MSE.
Limiti
Il gradiente è costante in valore assoluto e non è derivabile in zero; non enfatizza gli errori grandi.
Esempi
- Loss regressione robusta
- Valutazione resistente outlier
- Magnitudine errore
Autovalutazione
Tre domande per verificare la comprensione della voce. Le spiegazioni restano disponibili anche senza JavaScript.