Answers:
是的,理论上。我能想到的最简单的情况是一个数据集,其中所有预测误差(即残差)均精确地为 1。RMSE和MAE将返回相同的值1。一个人也可以构造其他方案,但似乎不太可能。
编辑:感谢@DilipSarwate指出(@ user20160在其出色的回答中进一步阐述),并且仅当所有预测误差的绝对值相同时,才有可能得到此结果。换句话说,在我的示例中,值 1 没什么特别的。其他任何数字都可以代替1。
在某些条件下,平均绝对误差(MAE)可以等于均方误差(MSE)或均方根误差(RMSE),这将在下面显示。这些条件在实践中不太可能发生。
令表示第个数据点的残差的绝对值,令是一个包含数据集中所有个点的绝对残差的向量。令表示向量,MAE,MSE和RMSE可以写成:
将MSE设置为等于MAE并重新排列将得出:
对于所有数据集,MSE和MAE均相等,其中绝对残差可求解上述方程式。两个明显的解决方案是:(误差为零)和(残差均为,如mkt所述)。但是,有无数种解决方案。
我们可以从几何上解释等式:LHS是和的点积。零点积表示正交性。因此,如果从每个绝对残差中减去1,得到的矢量与原始绝对残差正交,则MSE和MAE相等。
此外,通过完成平方,可以将等式重写为:
该方程描述了一种维球中心在,半径为。当且仅当绝对残差位于该超球面上时,MSE和MAE才相等。
将RMSE设置为等于MAE并重新排列将得出:
在那里是单位矩阵。解集是零空间的 ; 也就是说,所有的集合,使得。要找到零空间,请注意是一个矩阵,对角线元素等于,所有其他元素等于。陈述对应于方程式:
或者,重新安排事情:
也就是说,每个元素必须等于其他元素的平均值。满足此要求的唯一方法是使所有元素都相等(此结果也可以通过考虑的特征分解来获得)。因此,解集由所有具有相同条目的非负向量组成:
因此,当且仅当所有数据点的残差的绝对值相等时,RMSE和MAE才相等。