Ինչու է MAE-ն ավելի քիչ զգայուն արտակարգ արժեքների նկատմամբ, քան MSE-ն:

Միջին Մաքուր Հատուկ (MAE)-ը պակաս զգայուն է արտառոց արժեքների նկատմամբ, քան Միջին Քառակ Հատուկը (MSE), սխալի հաշվարկման տարբերությունների պատճառով.

• MAE-ն հաշվում է սխալների միջին մաքուր արժեքը, այսինքն՝ պարզապես սխալների մոդուլների գումարը, ինչը առաջացնում է սխալի գծային աճ, երբ սխալը մեծանում է:
• MSE-ն հաշվում է սխալների քառակուսիների միջին արժեքը, այսինքն՝ սխալները բարձրացվում են քառակուսու, ինչը զգալիորեն մեծացնում է մեծ սխալների ազդեցությունը:

Քառակուսու բարձրացման պատճառով, MSE-ն խիստ պատժում է մեծ սխալները, դարձնելով մոդելը ավելի զգայուն արտառոց արժեքների նկատմամբ: Իսկ MAE-ն հավասար քաշ է տալիս բոլոր սխալներին, այդ պատճառով արտառոց արժեքները քիչ ազդեցություն ունեն վերջնական չափանիշի վրա:

Օրինակ՝ Եթե սխալը 10 է.

• MAE-ն ավելացնում է 10 սխալի գումարին
• MSE-ն ավելացնում է 100 (10²), ինչը շատ ավելի մեծ ազդեցություն ունի վերջնական սխալի վրա:

Հետևաբար, ավելի լավ է օգտագործել MAE-ը, երբ կարևոր է նվազեցնել արտառոց արժեքների ազդեցությունը մոդելի ուսուցման ժամանակ: