我正在使用神经平台计算一个模型，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（不是来自 JMP 的模型）进行比较。 为了比较不同的模型，我想比较观察到的数据和不同模型的预测。
R2 不是一个好的度量，因为它检查观察值和预测值 y=ax+b (y=观察) 和 (x=预测) 之间的任何线性关系，并且我只对 a=1 和 b 的情况感兴趣=0。
（-问题：我查看“观察到的与预测的”或“预测的与观察到的”重要吗？）
因此，我关注的是 RMSE 和 MAD，而不是 R2。 （问：还有其他措施可以使用吗？）
- 现在，查看 JMP 手册，我发现以下定义：
平均腹肌发育:响应与预测响应之间差异的绝对值的平均值。 （所有因素都是连续的）。
当我将“响应”解释为观测值并将“预测响应”解释为模型预测时，这将转换为方程 sum(|x_i-y_i|)/n，其中 n 是观测值的数量。
然而，查看互联网上的资源，这个数量被称为平均绝对误差:
在统计数据,平均绝对误差（ MAE ）是衡量错误表达相同现象的配对观察之间。 Y 与 X 的示例包括预测与观察到的比较，
维基百科
相同这里:
平均绝对误差 (MAE)： MAE 测量一组预测中误差的平均大小，而不考虑它们的方向。 它是测试样本的预测与实际观察之间的绝对差异的平均值，其中所有个体差异具有相同的权重。
根据维基百科这疯狂的（围绕中心点）略有不同：
米 ( X ) {\displaystyle m(X)}
sum(|x_i-m(X)|)/n 其中 m 是“集中趋势”（例如平均值、中位数）。
问题：MAD 和 MAE 没有普遍接受的定义吗？我是否误解了什么......？？？
