我正在使用神經平台來計算一個模型，該模型根據一些觀察到的數據做出預測，並希望將該模型的性能與其他模型（不是JMP）進行比較。 為了比較不同的模型，我想比較觀察到的數據和來自不同模型的預測。
R2並不是一個很好的度量，因為它檢查觀察值和預測值y = ax + b（y =觀測值）和（x =預測值）之間是否存在線性關係，我只對a = 1和b = 0。
（-問題：請問我是觀察“觀察還是預測”還是“預測還是觀察”？）
因此，我正在研究的是RMSE和MAD，而不是R2。 （問題：是否可以使用其他措施？）
-現在，查看JMP手冊，我發現以下定義：
平均絕對值：響應與預測響應之間的差的絕對值的平均值。 （所有因素都是連續的）。
當我將“響應”解釋為觀測值，將“預測響應”解釋為模型預測時，這將轉化為等式sum（| x_i-y_i |）/ n，其中n是觀測次數。
但是，從互聯網上的來源來看，這個數量稱為平均絕對誤差：
在統計，平均絕對誤差（ MAE ）是錯誤表達相同現象的成對觀測值之間。 Y與X的示例包括預測值與觀察值的比較，
維基百科
相同這裡：
平均絕對誤差（MAE）： MAE在一組預測中測量錯誤的平均大小，而不考慮其方向。 這是測試樣本中預測值與實際觀察值之間絕對差值的平均值，其中所有個體差值的權重均相等。
根據維基百科的狂（圍繞中心點）有些不同：
m（X）{\ displaystyle m（X）}
sum（| x_i-m（X）|）/ n其中m是“中心趨勢”（例如，平均值，中位數）。
問題：沒有關於MAD和MAE的公認定義，我是否誤解了某些內容？
