本文旨在介绍机器学习中回归模型的常用指标。
一、均方方差(MSE)
参数预测值与参数实际值之差平方的期望值，记为MSE。
其中n为样本数量，是样本i的实际值，
是样本i的预测值。从公式上来看，MSE的值越小，说明预测模型描述实验数据具有更好的精确度。
二、均方根误差（RMSE）
均方根误差是MSE开根号，常用作回归模型的评估
同理，RMSE的值越小，说明预测模型描述实验数据具有更好的精确度。
三、平均绝对误差（MAE）
异同：
RMSE和MAE是用来描述预测值与真实值的误差情况。它们之间在的区别在于，RMSE更能对波动的预测值敏感。
四、决定系数
为所有样本的y实际值的平均值，如果
结果是 0，说明模型拟合效果很差；如果结果是 1，说明模型无错误。一般来说，
处于0-1之间，其越大，表示模型拟合效果越好。
