MSE (средняя квадратическая ошибка) — это оценка среднего значения квадрата ошибок, различие между предсказанием и фактическим значением. Эту метрику удобно использовать для выявления аномалий.
MAE (средняя абсолютная ошибка) — это оценка того, насколько близки предсказания к фактическим значениями. Эта метрика менее чувствительна к выбросам и может дать общее представление о качестве модели.
Простыми словами: если у нас сильные аномалии в значениях, то используем MAE; если аномалий мало, можно использовать MSE.
Алексей Гайдабура, студент Skillbox