type.measure = "mae"

`type.measure = "mae"`是指在模型评估中使用平均绝对误差（Mean Absolute Error，MAE）作为性能指标来衡量模型的预测能力。MAE是衡量模型预测结果与实际结果差异的一种度量方法，计算公式为：

$$
MAE = \frac{1}{n} \sum_{i=1}^{n} |y_i - \hat{y}_i|
$$

其中，$y_i$是样本$i$的实际值，$\hat{y}_i$是样本$i$的预测值，$n$是样本数量。

使用MAE作为性能指标的优势是对异常值不敏感，因为MAE是对误差取绝对值后再求平均，可以减小异常值对模型评估的影响。但MAE的不足之处在于，对于误差分布不均匀的数据，MAE无法反映出不同误差对模型性能的影响程度。

因此，在选择性能指标时，需要根据具体情况选择适合的指标来评估模型性能。