我正在使用神经平台来计算一个模型，该模型根据一些观察到的数据进行预测，并希望将该模型的性能与其他模型（不是JMP）进行比较。 为了比较不同的模型，我想比较观察到的数据和来自不同模型的预测。
R2并不是一个很好的度量，因为它检查观察值和预测值y = ax + b（y =观测值）和（x =预测值）之间是否存在线性关系，我只对a = 1和b = 0。
（-问题：请问我是观察“观察还是预测”还是“预测还是观察”？）
因此，我正在研究的是RMSE和MAD，而不是R2。 （问题：是否可以使用其他措施？）
-现在，查看JMP手册，我发现以下定义：
平均绝对值：响应与预测响应之间的差的绝对值的平均值。 （所有因素都是连续的）。
当我将“响应”解释为观测值，将“预测响应”解释为模型预测时，这将转化为等式sum（| x_i-y_i |）/ n，其中n是观测次数。
但是，从互联网上的来源来看，这个数量称为平均绝对误差：
在统计，平均绝对误差（ MAE ）是错误表达相同现象的成对观测值之间。 Y与X的示例包括预测值与观察值的比较，
维基百科
相同这里：
平均绝对误差（MAE）： MAE在一组预测中测量错误的平均大小，而不考虑其方向。 这是测试样本中预测值与实际观察值之间绝对差值的平均值，其中所有个体差值的权重均相等。
根据维基百科的狂（围绕中心点）有些不同：
m（X）{\ displaystyle m（X）}
sum（| x_i-m（X）|）/ n其中m是“中心趋势”（例如，平均值，中位数）。
问题：没有关于MAD和MAE的公认定义，我是否误解了某些内容？
