平均绝对误差（Mean Absolute Error, MAE）是一种衡量预测模型预测精度的统计指标。它计算的是预测值与真实值之间差的绝对值的平均数。具体来说，MAE是预测值与实际观测值之间差异的绝对值的平均数，其计算步骤如下：
1. 对于每个观测值，计算其预测值与实际值之间的绝对差（误差）。
2. 将所有观测值的绝对差值求和。
3. 将上述总和除以观测值的总数，得到平均绝对误差。
数学表达式为：
$$
MAE = \frac{1}{n} \sum_{i=1}^{n} |y_i - \hat{y}_i|
$$
其中：
$n$ 是观测值的总数。
$y_i$ 是第 $i$ 个观测值的实际值。
$\hat{y}_i$ 是第 $i$ 个观测值的预测值。
由于MAE考虑了误差的绝对值，它不会因预测值过高或过低而相互抵消，因此能更好地反映预测误差的实际情况。与均方误差（MSE）和均方根误差（RMSE）相比，MAE对异常值更加稳定，因为它不会因少数较大的误差而放大结果。
需要注意的是，虽然MAE能够提供误差的方向性信息，但它忽略了误差的正负号，因此不能反映预测误差的方向。此外，MAE的单位与原始数据的单位相同，这使得它易于理解和解释。