一. 前言
回归问题主要是求值，评价标准主要是看求得值与实际结果的偏差有多大，所以，回归问题主要以下方法来评价模型。
二. 评价方法
1. 均方误差（MSE）
MSE （Mean Squared Error）叫做均方误差，公式如下：
就是实际值减去预测值的平方再求期望，没错，就是线性回归的代价函数。由于MSE计算的是误差的平方，所以它对异常值是非常敏感的，因为一旦出现异常值，MSE指标会变得非常大。MSE越小，证明误差越小。
2. 均方根误差（RMSE）
RMSE（Root Mean Squard Error）均方根误差。
这不就是MSE开个根号么。有意义么？其实实质是一样的。只不过用于数据更好的描述。
例如：要做房价预测，每平方是万元（真贵），我们预测结果也是万元。那么差值的平方单位应该是 千万级别的。那我们不太好描述自己做的模型效果。怎么说呢？我们的模型误差是 多少千万？。。。。。。于是干脆就开个根号就好了。我们误差的结果就跟我们数据是一个级别的可，在描述模型的时候就说，我们模型的误差是多少万元。
3. 平均绝对误差（MAE）
MAE对异常值不如MSE敏感，有点类似中位数的感觉。
参考原文：https://blog.csdn.net/skullFang/article/details/79107127
