Ortalama Mutlak Hata Nedir?
İngilizce: Mean Absolute Error
Yayın: · Son güncelleme:
Ortalama Mutlak Hata Nedir? Kısaca
Ortalama mutlak hata (MAE), bir modelin tahminleriyle gerçek değerler arasındaki farkların mutlak değerlerini alıp ortalamasını hesaplayan hata ölçütüdür. Sonuç hedef değişkenle aynı birimdedir ve modelin ortalamada ne kadar saptığını doğrudan gösterir.
İçindekiler
Ortalama mutlak hata nedir?
Ortalama mutlak hata (İngilizce Mean Absolute Error, kısaca MAE), sayısal tahmin yapan modellerin başarısını ölçmek için kullanılan sade bir ölçüttür. Her örnekte gerçek değer ile tahmin arasındaki fark bulunur, işaretine bakılmadan (mutlak değer alınarak) toplanır ve örnek sayısına bölünür. Böylece "model ortalamada kaç birim yanılıyor?" sorusuna doğrudan cevap verir.
Nasıl hesaplanır?
Formül: MAE = (1/n) × Σ |gerçek − tahmin|.
Varsayımsal bir örnek: Bir model günlük sıcaklığı 20, 25 ve 30 derece tahmin etsin; gerçekleşen değerler 22, 24 ve 30 olsun. Mutlak farklar 2, 1 ve 0'dır. MAE = (2 + 1 + 0) / 3 = 1 derece. Yani model ortalamada 1 derece yanılmaktadır.
MAE ile MSE arasındaki fark
| Özellik | MAE | MSE |
|---|---|---|
| Hata nasıl işlenir? | Mutlak değer | Kare |
| Birim | Hedefle aynı | Hedefin karesi |
| Aykırı değerlere duyarlılık | Daha düşük | Daha yüksek |
Ortalama kare hata büyük hataları katlayarak cezalandırırken MAE tüm hatalara eşit ağırlık verir. Bu yüzden veride birkaç uç değer varsa MAE daha dengeli bir tablo sunabilir.
Nelere dikkat etmeli?
MAE'nin sıfır noktasında türevi tanımsız olduğundan bazı gradyan inişi uygulamalarında kayıp fonksiyonu olarak kullanılırken küçük düzeltmeler gerekir. Ayrıca büyük hataların özellikle kritik olduğu durumlarda (ör. güvenlik açısından önemli tahminler) MAE bu hataları yeterince öne çıkarmayabilir. Hangi ölçütün seçileceği, hataların senin problemindeki maliyetine bağlıdır.
Sıkça Sorulan Sorular
MAE değeri ne kadar olmalı?
Evrensel bir iyi ya da kötü MAE değeri yoktur. Sonuç hedef değişkenin ölçeğine bağlı olduğu için aynı problemdeki farklı modelleri ya da basit bir referans tahmini karşılaştırarak yorumlamak gerekir.
MAE neden aykırı değerlere daha dayanıklıdır?
Hataların karesi alınmadığı için tek bir büyük hata toplam üzerinde orantısız bir etki yaratmaz. Bu sayede birkaç uç gözlem modelin genel başarısını olduğundan kötü göstermez.