线性回归模型：ME 和 MAE

线性算法的评价指标

MAE （Mean Absolute Error）：平均绝对误差，能反映预测值误差的实际情况。取值越小，模型准确度度越高。
ME（Mean Error）：平均误差，能反映预测值与实际值的大小关系。

样例1

模型1的MAE：(|11 - 10| + |21 - 20| + |31 - 30|)/3 = 1
模型1的ME：(（11 - 10）+ （21 - 20）+（31 - 30）)/3 = 1

模型2的MAE：(|9 - 10| + |19 - 20| + |29 - 30|)/3 = 1
模型2的ME：(（9 - 10）+ （19 - 20）+（29 - 30）)/3 = -1

结论：
模型1和模型2预测值与真实值的偏离程度相似，但是模型1预测值比真实值偏大，模型2预测值偏小。

样例2

结论：
模型1的MAE比模型2更小，表示整体上看，模型1预测的结果距离实际值偏离程度更小，预测更准。
模型1的ME为-2，说明，模型1的整体结果偏小于实际值。模型2的ME为1，说明模型2 的整体结果比实际值大。