ในสถิติ คุณทำการคาดการณ์ตามข้อมูลที่คุณมี ขออภัย การคาดการณ์ไม่ตรงกับค่าจริงที่สร้างโดยข้อมูลเสมอไป การทราบความแตกต่างระหว่างการคาดการณ์และมูลค่าที่แท้จริงของข้อมูลของคุณนั้นมีประโยชน์ เนื่องจากสามารถช่วยคุณปรับแต่งการคาดการณ์ในอนาคตและทำให้แม่นยำยิ่งขึ้น หากต้องการทราบความแตกต่างระหว่างการคาดการณ์ของคุณกับมูลค่าจริงที่เกิดขึ้น คุณต้องคำนวณค่าคลาดเคลื่อนสัมบูรณ์เฉลี่ย (หรือที่เรียกว่า MAE) ของข้อมูล
ก่อนที่คุณจะคำนวณ MAE ของข้อมูล คุณต้องคำนวณผลรวมของข้อผิดพลาดแบบสัมบูรณ์ (SAE) เสียก่อน สูตรสำหรับ SAE คือ
ซึ่งอาจดูสับสนในตอนแรกถ้าคุณไม่คุ้นเคยกับสัญลักษณ์ซิกม่า ขั้นตอนจริงค่อนข้างตรงไปตรงมาอย่างไรก็ตาม
ลบค่าที่แท้จริง (แสดงโดยxt) จากค่าที่วัดได้ (แสดงโดยxผม) อาจสร้างผลลัพธ์เชิงลบขึ้นอยู่กับจุดข้อมูลของคุณ ใช้ค่าสัมบูรณ์ของผลลัพธ์เพื่อสร้างจำนวนบวก ตัวอย่างเช่น ถ้าxผม คือ 5 และxt คือ 7:
ทำขั้นตอนนี้ซ้ำสำหรับชุดการวัดและการคาดการณ์แต่ละชุดในข้อมูลของคุณ จำนวนชุดมีความหมายโดยนในสูตรด้วย
แสดงว่ากระบวนการเริ่มต้นที่ชุดแรก (ผม= 1) และทำซ้ำทั้งหมดนครั้ง ในตัวอย่างก่อนหน้านี้ สมมติว่าจุดก่อนหน้าที่ใช้เป็นจุดข้อมูล 1 ใน 10 คู่ นอกเหนือจาก 2 ที่สร้างขึ้นก่อนหน้านี้ ชุดจุดที่เหลือจะสร้างค่าสัมบูรณ์ 1, 4, 3, 4, 2, 6, 3, 2 และ 9
เมื่อคุณคำนวณ SAE แล้ว คุณจะต้องหาค่าเฉลี่ยหรือค่าเฉลี่ยของข้อผิดพลาดแบบสัมบูรณ์ ใช้สูตร
เพื่อให้ได้ผลลัพธ์นี้ คุณอาจเห็นทั้งสองสูตรรวมกันเป็นหนึ่งซึ่งดูเหมือน
แต่ไม่มีความแตกต่างในการใช้งานระหว่างทั้งสอง
แบ่ง SAE ของคุณโดยนซึ่งดังที่กล่าวไว้ข้างต้นคือจำนวนชุดจุดทั้งหมดในข้อมูลของคุณ ต่อจากตัวอย่างที่แล้ว นี่ทำให้เรา
ปัดเศษผลรวมของคุณเป็นจำนวนหลักที่ตั้งไว้หากจำเป็น ไม่จำเป็นสำหรับสิ่งนี้ในตัวอย่างที่ใช้ข้างต้น แต่การคำนวณที่ให้ตัวเลขเช่น MAE = 2.34678361 หรือตัวเลขที่ซ้ำกันอาจจำเป็นต้องปัดเศษเป็นสิ่งที่จัดการได้เช่น MAE = 2.347 จำนวนตัวเลขต่อท้ายที่ใช้ขึ้นอยู่กับความชอบส่วนบุคคลและข้อกำหนดทางเทคนิคของงานที่คุณทำ