經常使用的迴歸（Regression）算法指標有平均絕對偏差（Mean Absolute Error）、均方偏差（Mean Squared Error)和均方根偏差（Root Mean Squared Error)三種。算法
平均絕對偏差（Mean Absolute Error)
平均絕對偏差（Mean Absolute Error，簡稱MAE)從幾何意義上來看，它表示預測值和實際值之間的平均距離。函數
它的公式以下：spa
平均絕對偏差（Mean Absolute Error）這個評價指標比較直觀好理解，可是因爲公式裏有絕對值，致使了函數不光滑，在某些點上不能求導。做爲改進方案，咱們能夠把絕對值改爲平均距離的平方，也就是均方偏差（Mean Squared Error)。io
均方偏差（Mean Squared Error)
均方偏差（Mean Squared Error，簡稱MSE)，從幾何意義上來講，它能夠當作預測值和實際值的平均距離的平方.class
它的公式以下：變量
均方偏差（Mean Squared Error）解決了平均絕對偏差（Mean Absolute Error)不能求導的問題，可是它的大小和目標變量不在一個尺度上（量綱不同）。爲了解決這個問題，咱們能夠對均方偏差（Mean Squared Error）的結果進行開方，因而獲得均方根偏差。im
均方根偏差（Root Mean Squared Error）
均方根偏差（Root Mean Squared Error, 簡稱RMSE)是由均方偏差（Mean Squared Error)開平方獲得的結果， 它解決了均方偏差（Mean Squared Error）與目標變量值量綱不一致的問題。img
它的公式以下：di