四种分析预测精度平均绝对偏差MAD、平均平方误差MSE、平均预测误差MFE、平均绝对百分误差MAPE的优缺点比较

平均绝对偏差（MAD）：

计算公式：

优点：平均绝对误差由于离差被绝对值化，不会出现正负相抵消的情况，因而，平均绝对误差能更好地反映预测值误差的实际情况

缺点：若本身真实值就比较大，比如真实值1万，预测值9000，但mae=1000就会造成MAE是比较大的‘

           如真实值10，预测值9，但mae=1，所以不能单独从MAE的值来说明预测能力的好坏。

应用：用于计算预测值误差

平均平方误差（MSE）

计算公式：

他表示误差的平方的期望值（平均值），均方误差可以评价数据的变化程度,

优点：1.这种计算方法避免了正负误差不能想加的问题；

           2.由于对误差进行了平方，加大了数值大的误差在指标中的作用，提高了灵敏度

缺点：对误差进行平方处理，

应用范围： 1.用于还原平方失真程度；

                   2.平方的形式便于求导，所以常被用作线性回归的损失函数。

平均预测误差（MFE）

计算公式：

优点：MFE平均预测误差没有将偏差绝对值化，正负偏差能够抵消，从而反映数据的集中程度。

缺点：正负偏差相互抵消，使求得的预测误差偏小，比如MFE1=-3，MFE2=+3，那么MFE=0，但实际预测数据存在误差。

平均绝对百分误差（MAPE）

计算公式：

优点：MAPE是衡量预测准确性的统计指标，是百分比值，一般认为MAPE小于10时，预测精度较高

缺点：如果存在某个实际值At为0，那么MAPE则无法进行计算；

应用：用来衡量预测模型的准确程度