왜 평균 절대 오차 (MAE) 대신 RMSE (루트 평균 제곱 오차)를 사용합니까?
안녕하세요
계산에서 생성 된 오류를 조사했습니다. 처음에는 오류를 루트 평균 정규화 제곱 오류로 계산했습니다.
좀 더 자세히 살펴보면 오차를 제곱하는 효과가 작은 오차보다 큰 오차에 더 많은 가중치를 부여하여 오차 추정치를 홀수 이상 값으로 기울입니다. 이것은 회고에서 분명합니다.
그래서 내 질문은-어떤 경우에 제곱 평균 오차가 평균 절대 오차보다 더 적절한 오차 측정치입니까? 후자가 나에게 더 적합한 것 같습니까?
이를 설명하기 위해 아래 예제를 첨부했습니다.
산포도는 상관 관계가 좋은 두 변수를 보여줍니다.
오른쪽 차트의 두 히스토그램은 정규화 된 RMSE (위)와 MAE (아래)를 사용하여 Y (observed)와 Y (predicted) 사이의 오류입니다.
이 데이터에는 유의 한 특이 치가 없으며 MAE는 RMSE보다 오류가 낮습니다. 하나의 오차 측정치를 다른 것에 비해 사용하기에 MAE 이외의 다른 합리적인 이유가 있습니까?