均方误差越大越好_常用度量--MAE(平均绝对误差)和RMSE(均方根误差)

常用度量--MAE(平均绝对误差)和RMSE(均方根误差)

发布时间：2018-09-29 10:46,

浏览次数：3512

, 标签：

MAE

RMSE

<>常用度量–MAE(平均绝对误差)和RMSE(均方根误差)

MAE和RMSE是关于连续变量的两个最普遍的度量标准。

<>定义

1)我们看看最流行RMSE，全称是Root Mean Square Error，即均方根误差，它表示预测值和观测值之间差异(称为残差)的样本标准偏差。

均方根误差为了说明样本的离散程度。做非线性拟合时,RMSE越小越好。

标准差与均方根误差的区别：

标准差是用来衡量一组数自身的离散程度，而均方根误差是用来衡量观测值同真值之间的偏差，它们的研究对象和研究目的不同，但是计算过程类似。

例如:S={[(x1-x)2+(x2-x)2+…(xn-x)2]/N}

0.5(x为平均数，N为样本个数)此公式中的X也就是所谓的平均数应改为x’1,x’2…(即真实值)。均方根误差算的是观测值与其真值，或者观测值与其模拟值之间的偏差，而不是观测值与其平均值之间的偏差。

2)MAE，全称是Mean Absolute Error，即平均绝对误差，它表示预测值和观测值之间绝对误差的平均值。

MAE是一种线性分数，所有个体差异在平均值上的权重都相等，比如，10和0之间的绝对误差是5和0之间绝对误差的两倍。但这对于RMSE而言不一样，后续将进一步详细讨论。MAE很容易理解，因为它就是对残差直接计算平均，而RMSE相比M