我创建了一个简单的线性回归模型来预测标普500的收盘价。然后计算了平均绝对误差（MAE），得到了1290的MAE分数。现在，我不想知道这个分数是对还是错，我只想知道1290的MAE对我模型的意义是什么。

回答：

老实说，”一般来说”，它几乎什么也没告诉你。这个值相当随意，只有当你完全理解你的数据时，你才能得出任何结论。

MAE代表平均绝对误差，因此如果你的MAE是1290，这意味着如果你随机从你的数据中选择一个数据点，那么，你的预测值与真实值之间的差距预计是1290。这样的误差是好还是坏？这取决于你的输出规模。如果输出值是以百万计，那么这么大的误差不算什么，模型是好的。如果你的输出值在千元范围内，这就很糟糕了。

如果我理解正确的话，标普500的收盘价在过去36年里是介于0到2500之间的数字，因此1290的误差看起来像是你的模型什么也没学到。这几乎就像一个恒定模型，总是回答“1200”或这个值附近的数字。