我不得不不同意第一个发布的答案。如文档中所述，中值绝对误差基本上是有用的，它基本上对异常值不敏感（只要它们没有太多）。这是因为它是所有残差绝对值的中位数，并且中位数不受尾部值的影响。因此，此损失函数可用于执行鲁棒回归。

相比之下，均方误差可能对异常值高度敏感，而平均绝对误差对异常值可能有些敏感（尽管不如均方误差那么敏感）。

请注意，使用中值绝对误差仅校正响应/目标变量中的异常值，而不是预测变量/特征变量中的异常值。

一种可能的混淆来源是平均/中值误差与平均/中值绝对误差。前者不能用作回归的成本函数，因为成本必须始终为正（除其他外）。

使用 OLS 回归，构造时的平均误差将为零。我想您可以使用中值误差来衡量平均值周围的分布 - 即，如果您知道平均误差为零但中值误差为 -10，那么您知道肯定有一些非常大的误差会使平均值偏斜回零。

我不认为它真的提供了很多信息。许多更好的基于误差的指标，如平均绝对百分比误差、均方误差、平均绝对误差等。