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