小松1 常用的回归（Regression）算法指标有平均绝对误差（Mean Absolute Error）、均方误差（Mean Squared Error)和均方根误差（Root Mean Squared Error)三种。
平均绝对误差（Mean Absolute Error)
平均绝对误差（Mean Absolute Error，简称MAE)从几何意义上来看，它表示预测值和实际值之间的平均距离。
它的公式如下：
平均绝对误差（Mean Absolute Error）这个评价指标比较直观好理解，但是由于公式里有绝对值，导致了函数不光滑，在某些点上不能求导。作为改进方案，我们可以把绝对值改成平均距离的平方，也就是均方误差（Mean Squared Error)。
均方误差（Mean Squared Error)
均方误差（Mean Squared Error，简称MSE)，从几何意义上来说，它可以看成预测值和实际值的平均距离的平方.
它的公式如下：
均方误差（Mean Squared Error）解决了平均绝对误差（Mean Absolute Error)不能求导的问题，但是它的大小和目标变量不在一个尺度上（量纲不一样）。为了解决这个问题，我们可以对均方误差（Mean Squared Error）的结果进行开方，于是得到均方根误差。
均方根误差（Root Mean Squared Error）
均方根误差（Root Mean Squared Error, 简称RMSE)是由均方误差（Mean Squared Error)开平方得到的结果， 它解决了均方误差（Mean Squared Error）与目标变量值量纲不一致的问题。
它的公式如下：
![[爱了]](/js/img/d1.gif)
![[尴尬]](/js/img/d16.gif)