Какие наиболее эффективные метрики оценки качества для решения задач регрессии?

Средняя абсолютная ошибка (или MAE) представляет собой сумму абсолютных различий между прогнозами и фактическими значениями. Это дает представление о том, насколько неправильными были прогнозы.Мера дает представление о величине ошибки, но не дает представление о направлении (например, сверх или при прогнозировании)

2.Средняя квадратическая ошибка

Средняя квадратическая ошибка (или MSE) очень похожа на среднюю абсолютную ошибку в том, что она дает общее представление о величине ошибки.

Взятие квадратного корня из среднеквадратичной ошибки преобразует единицы обратно в исходные единицы выходной переменной и может иметь смысл для описания и представления. Это называется среднеквадратической ошибкой (или RMSE).

3.R^2 Метрика

Метрика R ^ 2 (или R Squared) указывает на достоверность соответствия набора прогнозов фактическим значениям. В статистической литературе эта мера называется коэффициентом детерминации.Это значение между 0 и 1 для неподходящего и идеального соответствия соответственно.

Источник https://machinelearningmastery.com/metrics-evaluate-machine-learning-algorithms-python/

Контрольные прогоны здесь