Mean Absolute Error

Der Mean Absolute Error (MAE) ist ein Maß zur Bewertung von Vorhersagemodellen und beschreibt den durchschnittlichen absoluten Unterschied zwischen vorhergesagten und tatsächlich beobachteten Werten. Er zeigt an, wie stark die Vorhersagen eines Modells im Mittel von den realen Werten abweichen, wobei alle Fehler unabhängig von ihrer Richtung gleich stark berücksichtigt werden. (vgl. Andrae 2023, S. 39)

Beispiel: Ein Modell sagt für drei Tage Temperaturen von 20 °C, 22 °C und 24 °C voraus, tatsächlich werden jedoch 18 °C, 23 °C und 26 °C gemessen. Die absoluten Abweichungen betragen somit 2, 1 und 2 Grad, deren Durchschnitt den Mean Absolute Error bildet und angibt, dass die Vorhersagen im Mittel um etwa 1,7 °C vom tatsächlichen Wert abweichen.

Andrae, S. (2023): Ökonometrie und maschinelles Lernen. Basiswissen für Ökonomen. Wiesbaden: Springer Gabler