什麼是平均絕對誤差（MAE）？
平均絕對誤差（Mean Absolute Error，簡稱 MAE）是評估迴歸模型或預測準確度時最常用的指標之一。它衡量的是預測值與實際觀測值之間誤差的平均大小，而不考慮誤差的方向（正負）。由於採用絕對值，每一筆誤差都會正向累加到總和裡，因此 MAE 非常容易解讀：它代表你的預測平均偏離了多少，而且單位與原始資料完全相同。
如何使用本計算器
請在兩個輸入框中分別填入實際值（觀測值）清單與預測值（模型或預估值）清單，每個數字之間以逗號或空格分隔。請確認兩份清單的數量相同，並且一一對應——第一個實際值對應第一個預測值，以此類推。按下計算後，即可得到 MAE，以及絕對誤差總和與所使用的配對筆數。
公式詳解
計算公式為 $$\text{MAE} = \frac{1}{n}\sum_{i=1}^{n}\left| y_i - \hat{y}_i \right|$$。針對每一筆觀測，先以實際值（\(y_i\)）減去預測值（\(\hat{y}_i\)），取這個差值的絕對值（忽略負號），再將所有絕對差值相加，最後除以觀測筆數 \(n\)。所得的結果，就是單筆預測誤差的典型大小。
實例演算
假設實際值為 3、5、2、7，預測值為 2.5、5、4、8。各筆的絕對誤差分別為 \(|3-2.5| = 0.5\)、\(|5-5| = 0\)、\(|2-4| = 2\)、\(|7-8| = 1\)。將它們相加得到總和 3.5。再除以 \(n = 4\)，即得 $$\text{MAE} = 3.5 / 4 = 0.875$$
常見問題
MAE 與 MSE 有什麼不同？ MAE 取的是絕對誤差的平均值，而均方誤差（MSE）取的是誤差平方的平均值。MSE 會對較大的誤差施以更重的懲罰，MAE 則是按比例平等地看待所有誤差。
MAE 多少才算好？ 數值越低越好，\(\text{MAE} = 0\) 代表完全準確的預測。它並沒有一個放諸四海皆準的標準門檻——應該依據資料本身的尺度與常見數值範圍來相對解讀。
MAE 會是負值嗎？ 不會。因為它取的是絕對差值（恆為非負）的平均，所以 MAE 永遠是零或正值。
