我正在使用神經平台計算一個模型，該模型根據一些觀察到的數據進行預測，並希望將該模型的性能與其他模型（不是來自 JMP 的模型）進行比較。 為了比較不同的模型，我想比較觀察到的數據和不同模型的預測。
R2 不是一個好的度量，因為它檢查觀察值和預測值y=ax+b (y=觀察) 和(x=預測) 之間的任何線性關係，並且我只對a=1 和b 的情況感興趣=0。
（-問題：我查看“觀察到的與預測的”或“預測的與觀察到的”重要嗎？）
因此，我關注的是 RMSE 和 MAD，而不是 R2。 （問：還有其他措施可以使用嗎？）
- 現在，查看 JMP 手冊，我發現以下定義：
平均腹肌發育:響應與預測響應之間差異的絕對值的平均值。 （所有因素都是連續的）。
當我將“響應”解釋為觀測值並將“預測響應”解釋為模型預測時，這將轉換為方程式 sum(|x_i-y_i|)/n，其中 n 是觀測值的數量。
然而，查看互聯網上的資源，這個數量被稱為平均絕對誤差:
在統計數據,平均絕對誤差（ MAE ）是衡量錯誤表達相同現象的配對觀察之間。 Y 與 X 的範例包括預測與觀察到的比較，
維基百科
相同這裡:
平均絕對誤差 (MAE)： MAE 測量一組預測中誤差的平均大小，而不考慮它們的方向。 它是測試樣本的預測與實際觀察值之間的絕對差異的平均值，其中所有個體差異具有相同的權重。
根據維基百科這瘋狂的（圍繞中心點）略有不同：
米 ( X ) {\displaystyle m(X)}
sum(|x_i-m(X)|)/n 其中 m 是「集中趨勢」（例如平均值、中位數）。
問題：MAD 和 MAE 沒有普遍接受的定義嗎？我是否誤解了什麼......？？？
