В каких случаях лучше использовать MAE

MAE (Mean Absolute Error) лучше использовать, когда:

1. Важна интерпретируемость - MAE измеряется в тех же единицах, что и целевая переменная, что упрощает объяснение ошибки.
2. Есть выбросы - MAE менее чувствителен к выбросам, чем MSE, так как не возводит ошибки в квадрат.
3. Нужна робастность - MAE минимизирует медиану ошибок, а MSE - среднее, что делает MAE устойчивее.

Пример использования в Python:

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)
print(f'MAE: {mae:.2f}')  # MAE: 0.50

MAE не подходит, если нужно сильнее наказывать большие ошибки (лучше MSE/RMSE) или если распределение ошибок мультимодальное (лучше квантильные метрики).