选择正确的评估指标来预测会话费用 - MAE 还是 RMSE？

问：

我目前正在从事一个项目，我正在使用机器学习模型来预测会话费用。但是，我不确定哪种评估指标最适合我的情况：平均绝对误差 （MAE） 或均方根误差 （RMSE）。

我知道MAE给出了误差的平均大小，而不管它们的方向如何，而RMSE强调误差的大小，同时考虑平方差。

考虑到我正在处理会话费用预测，在这种情况下，哪个指标更合适？我希望确保评估指标能够全面了解预测性能，并帮助我就模型的准确性做出明智的决策。

目标是计算常量值的指标，该值将乘以会话长度（以小时为单位），以便为高级领导团队提供关于如果我们选择“快速简便”的方法来选择最佳常量值的潜在结果的见解。

在此之后，我将介绍我的预测模型的指标，并继续进行比较分析。

如下图所示，我们可以观察到，在考虑平均绝对误差 （MAE） 时，要使用的理想常数值为 60 美元。另一方面，如果我们优先考虑均方根误差 （RMSE），那么 64.75 美元的值会更有效（如果我可以使用该术语的话）。

您能否帮助我理解要使用哪个指标以及如何准确解释这些指标？我知道平均绝对误差 （MAE） 和均方根误差 （RMSE） 是在同一尺度上测量的。但是，我如何有效地解释 29.18 美元的 MAE 和 49.36 美元的 RMSE 之间的区别，以及为什么在这种情况下可能更合适？

我相信对于 MAE，我可以声明以下内容：“通过选择 60 美元的常量值，然后乘以会话长度（以小时为单位），每个新会话的平均费用偏差约为 29.18 美元”。但是，我怎么能对 RMSE 说类似的话呢？