推荐答案
在 R 语言中，计算平均绝对误差 (MAE) 可以通过以下代码实现：
// www.javascriptcn.com code example
# 假设 y_true 是真实值向量，y_pred 是预测值向量
mae <- function(y_true, y_pred) {
mean(abs(y_true - y_pred))
}
# 示例使用
y_true <- c(3, -0.5, 2, 7)
y_pred <- c(2.5, 0.0, 2, 8)
mae_value <- mae(y_true, y_pred)
print(mae_value)本题详细解读
什么是平均绝对误差 (MAE)？
平均绝对误差 (Mean Absolute Error, MAE) 是衡量预测值与真实值之间差异的常用指标。它计算的是预测值与真实值之间绝对差的平均值。MAE 的公式如下：
[ \text{MAE} = \frac{1}{n} \sum_{i=1}^{n} |y_{\text{true}, i} - y_{\text{pred}, i}| ]
其中：
- ( y_{\text{true}, i} ) 是第 ( i ) 个真实值
- ( y_{\text{pred}, i} ) 是第 ( i ) 个预测值
- ( n ) 是样本数量
代码解析
- 函数定义：
mae函数接受两个参数y_true和y_pred，分别表示真实值和预测值。 - 绝对误差计算：
abs(y_true - y_pred)计算每个样本的绝对误差。 - 平均值计算：
mean()函数计算所有绝对误差的平均值，即 MAE。 - 示例使用：通过示例数据
y_true和y_pred展示了如何使用mae函数计算 MAE。
注意事项
- 输入向量
y_true和y_pred的长度必须相同。 - MAE 对异常值不敏感，因为它使用的是绝对误差而不是平方误差。
- MAE 的单位与原始数据的单位相同，因此易于解释。