باختصار
Mean Absolute Error (متوسط الخطأ المطلق، ويُختصر MAE) مقياس شائع لتقييم دقة نموذج تنبؤي، يُحسب بجمع القيمة المطلقة للفرق بين كل قيمة متوقعة وقيمتها الفعلية، ثم قسمة المجموع على عدد العيّنات.
بالتفصيل
الفارق الجوهري بين MAE ومقياس مشابه شهير هو متوسط مربع الخطأ (Mean Squared Error أو MSE) يكمن في طريقة التعامل مع الأخطاء الكبيرة: يعامل MAE كل خطأ بما يتناسب مع حجمه المطلق فقط، بينما يقوم MSE بتربيع كل خطأ قبل حساب المتوسط — ما يعني أن الأخطاء الكبيرة تؤثر بشكل مضاعَف على قيمة MSE مقارنة بـ MAE.
النتيجة العملية: MAE مقياس أكثر «مقاومة» للقيم الشاذة (outliers)، لأن خطأً كبيرًا واحدًا لن يهيمن على النتيجة الإجمالية كما يحدث مع MSE أو الجذر التربيعي لمتوسط مربع الخطأ (RMSE). لذلك يُفضَّل استخدام MAE حين لا تريد معاقبة النموذج بشدة على أخطاء كبيرة عرضية، بينما يُفضَّل RMSE أو MSE حين تريد التركيز تحديدًا على تقليل الأخطاء الكبيرة قدر الإمكان.
مثال عملي
في نموذج للتنبؤ بأسعار الشقق، لو أخطأ النموذج بشكل كبير جدًا في تقدير سعر شقة واحدة فاخرة استثنائية ضمن مجموعة بيانات عادية، سيتأثر MSE بهذا الخطأ الواحد بشكل كبير جدًا، بينما يبقى MAE أكثر تمثيلًا لدقة النموذج على غالبية الشقق العادية في البيانات.
مصطلحات مرتبطة
Mean Squared Error (متوسط مربع الخطأ) — المقياس البديل الأكثر حساسية للقيم الشاذة. Loss Function (دالّة الخسارة) — المفهوم الأشمل الذي ينتمي إليه كل من MAE وMSE. Linear Regression (الانحدار الخطي) — أحد النماذج التي تُقيَّم غالبًا باستخدام MAE.
المصادر: Wikipedia
