平均绝对误差 MAE

概述

推荐系统预测评分准确性的核心评估指标，计算预测评分与实际评分之间绝对误差的平均值，MAE 越小说明预测越准确。

关键内容

1. 公式定义：MAE = (1/N) × Σ|p_i - q_i|，其中 p_i 是预测评分，q_i 是实际评分，N 是测试样本数量。

2. 在推荐系统中的应用：MAE 是推荐系统评估的标准做法，被广泛用于比较不同推荐算法的预测准确性。Item-Based Collaborative Filtering Recommendation Algorithms 采用 MAE 作为主要评估指标，比较 Item-Based CF 与 User-Based CF 的推荐质量。

3. 实验结论：在 MovieLens 100K 数据集上，Item-Based CF 使用调整后余弦相似度时 MAE 最低，显著优于基本余弦相似度和皮尔逊相关系数，且优于或等同于最优的 User-Based CF 方法。

4. 与其他指标的关系：MAE 衡量的是预测值与真实值的平均偏差，对异常值不敏感（相比均方误差 MSE）。在推荐系统中，MAE 的降低直接对应推荐质量的提升。

5. 局限性：MAE 只衡量评分预测的准确性，不直接反映推荐结果的相关性、多样性或用户满意度。现代推荐系统评估还引入了 Precision@K、NDCG、覆盖率等更多维度的指标。

来源

• Item-Based Collaborative Filtering Recommendation Algorithms — 第 7.2 节

相关

• 基于物品的协同过滤 — uses
• Item-Based Collaborative Filtering Recommendation Algorithms — uses
• MovieLens — uses