经常使用的回归（Regression）算法指标有平均绝对偏差（Mean Absolute Error）、均方偏差（Mean Squared Error)和均方根偏差（Root Mean Squared Error)三种。算法
平均绝对偏差（Mean Absolute Error)
平均绝对偏差（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。函数
它的公式以下：spa
平均绝对偏差（Mean Absolute Error）这个评价指标比较直观好理解，可是因为公式里有绝对值，致使了函数不光滑，在某些点上不能求导。做为改进方案，咱们能够把绝对值改为平均距离的平方，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，简称MSE)，从几何意义上来讲，它能够当作预测值和实际值的平均距离的平方.class
它的公式以下：变量
均方偏差（Mean Squared Error）解决了平均绝对偏差（Mean Absolute Error)不能求导的问题，可是它的大小和目标变量不在一个尺度上（量纲不同）。为了解决这个问题，咱们能够对均方偏差（Mean Squared Error）的结果进行开方，因而获得均方根偏差。im
均方根偏差（Root Mean Squared Error）
均方根偏差（Root Mean Squared Error, 简称RMSE)是由均方偏差（Mean Squared Error)开平方获得的结果， 它解决了均方偏差（Mean Squared Error）与目标变量值量纲不一致的问题。img
它的公式以下：di