В каких случаях предпочтительнее использовать MAE

MAE (Mean Absolute Error) предпочтительнее использовать, когда:

1. Нужна устойчивость к выбросам - MAE менее чувствителен к ним, чем MSE
2. Важна интерпретируемость - ошибка в тех же единицах, что и целевая переменная
3. Работаете с распределением с тяжелыми хвостами

Пример:

from sklearn.metrics import mean_absolute_error

y_true = [3, -0.5, 2, 7]
y_pred = [2.5, 0.0, 2, 8]

mae = mean_absolute_error(y_true, y_pred)  # 0.5

MSE сильнее штрафует большие ошибки, поэтому если выбросы важны (например, в финансовых задачах), лучше использовать MSE или Huber loss как компромисс.