Sklearn 机器学习 数值指标 平均绝对误差MAE

💖亲爱的技术爱好者们，热烈欢迎来到 Kant2048 的博客！我是 Thomas Kant，很开心能在CSDN上与你们相遇～💖

本博客的精华专栏：
【自动化测试】 【测试经验】 【人工智能】 【Python】

Sklearn 机器学习评估指标详解：平均绝对误差（MAE）

在机器学习中，尤其是在处理回归问题时，我们常使用各种评估指标来衡量模型性能。平均绝对误差（Mean Absolute Error，简称 MAE）是其中一种直观、稳健的回归评估方式。

本文将基于 scikit-learn，深入介绍 MAE 的定义、特点与实战应用，并使用加州房价数据集进行完整演示。

📘 一、什么是平均绝对误差（MAE）？

平均绝对误差（Mean Absolute Error）是用来衡量模型预测值与真实值之间差异的一种常见方法，计算的是预测误差的绝对值平均数，其公式如下：

$$MAE=\frac{1}{n}$$