这里写目录标题
- 1. 均方误差MSE
- 2. 均方根误差RMSE
- 3. 平均绝对误差MAE
- 4. R^2^
- 5. 调整后R^2^
1. 均方误差MSE
- 回归数据和原始数据误差的平方和/原始数据个数
- 平方的原因：不平方正负误差会抵消，对大误差更为敏感，在一些场景下更能凸显出模型预测的不准确性
- 越接近于0，模型预测能力越强
2. 均方根误差RMSE
- MSE开根号
- 越接近与0，模型的预测能力越强
3. 平均绝对误差MAE
- MSE的平方换成绝对值，也是不绝对值正负误差会抵消
- MAE越小，模型预测精度越高，对较大误差不如MSE 敏感
- MAE可以准确反映实际预测误差的大小
4. R2
- TSS:样本点和均值间的差异性（数据集中数的分散程度）
- RSS:和拟合数据间的差异性
- R2 = 1- RSS/TSS
- 取值范围为[0,1]：
- 如果结果是 0
