1
Amy 原创整理｜资料核验：2026-11-04
scikit-learn的max_error用于单输出回归，取每个真实值与预测值之差的绝对值，再选其中最大值。最好是0，误差越小越好；输入应是逐样本对应的一维真实值和预测值。
Amy原创教学示例：y_true=[10,20,30,40]，y_pred=[11,19,31,28]。四个绝对误差是1、1、1、12，因此max_error为12。前三个预测很接近，并不能把最后一次的大偏差平均掉。
这个12描述的是送进函数的这组数据，单位与目标值一致。它不是“模型以后最多只会错12”的保证，也不是百分比；换一个测试集，最大值就可能变化。
Amy建议：除了记录最大误差，也回看对应样本的输入、标签及业务情境，确认是否存在录入错误或覆盖不足。报告里同时写清测试集范围和单位，再结合整体误差分布判断表现，不只拿一个极值给模型下结论。
官方来源：
https://scikit-learn.org/stable/modules/generated/sklearn.metrics.max_error.html