Зачем использовать среднеквадратичную ошибку (RMSE) вместо средней абсолютной ошибки (MAE) ??
Здравствуй
Я исследовал ошибку, сгенерированную в вычислениях - сначала я рассчитал ошибку как среднеквадратичную среднеквадратичную ошибку.
Присмотревшись немного поближе, я вижу, что эффекты возведения в квадрат ошибки дают больший вес большим ошибкам, чем меньшим, отклоняя оценку ошибки в сторону нечетного выброса. Это довольно очевидно в ретроспективе.
Итак, мой вопрос - в каком случае средняя квадратная ошибка будет более подходящей мерой ошибки, чем средняя абсолютная ошибка? Последнее мне кажется более подходящим или я что-то упустил?
Чтобы проиллюстрировать это, я приложил пример ниже:
Диаграмма рассеяния показывает две переменные с хорошей корреляцией,
две гистограммы справа отображают погрешность между Y (наблюдаемая) и Y (прогнозируемая) с использованием нормированных RMSE (вверху) и MAE (внизу).
В этих данных нет значительных выбросов, и MAE дает меньшую ошибку, чем RMSE. Есть ли какой-либо разумный, кроме того, чтобы быть предпочтительным, MAE, для использования одной меры ошибки по сравнению с другой?