在统计学中，平均绝对误差 (英语：Mean absolute error，缩写：MAE) 是对表达相同现象的成对观察之间的误差的度量。 Y与X的例子包括预测与被观察的比较，后续时间与初始时间的比较，以及一种测量技术与另一种测量技术的比较。 平均绝对误差MAE被计算为绝对误差之和除以样本量：^[1] $${\displaystyle \mathrm {MAE} ={\frac {\sum _{i=1}^{n}\left|y_{i}-x_{i}\right|}{n))={\frac {\sum _{i=1}^{n}\left|e_{i}\right|}{n)).}$$

因此，它是绝对误差的算术平均值${\displaystyle |e_{i}|=|y_{i}-x_{i}|}$, 其中${\displaystyle y_{i))$是预测值，和${\displaystyle x_{i))$是真实值。请注意，替代公式可能包括相对频率作为权重因子。 平均绝对误差使用与被测量数据相同的尺度。 这被称为与尺度相关的准确度度量，因此不能被用于使用不同尺度的序列（series）之间进行比较^[2]。 平均绝对误差是时间序列分析中预测误差（英语：Forecast error）的一个常用度量， 有时与'平均绝对离差'（英语：mean absolute deviation）的更标准定义混淆。 同样的混淆更普遍地存在。

参考文献