性能评估指标总览：回归模型评估的核心指标

做回归模型，说白了就是让机器去猜一个连续值。但猜得准不准，总得有个标准吧？

我刚开始接触回归任务时，觉得模型训练完就万事大吉了。后来才发现，选错评估指标，可能让你对模型性能产生完全错误的判断。嗯，这里面的坑，我踩过不少。

核心观点：没有完美的指标，只有适合场景的指标。不同业务场景，关注点完全不同。

咱们先看一张图，把今天要讲的五个指标串起来：

MSE 的计算公式很简单：MSE = (1/n) * Σ(yᵢ - ŷᵢ)²。就是把每个样本的预测误差平方，再取平均。

为什么误差要平方？我个人理解，这其实是在放大大误差的惩罚。你想想看，误差 10 的平方是 100，误差 1 的平方是 1——差了 100 倍。这意味着模型如果偶尔出现一个离谱的预测，MSE 会立刻飙升。

我的经验：在房价预测项目中，有个样本是豪宅，价格是普通房的 20 倍。模型在其他样本上表现不错，但在这个豪宅上误差很大。MSE 直接飙到了让我怀疑人生的数值。后来我才意识到，MSE 对异常值太敏感了。

MSE 的优点是可微，方便做梯度下降优化。缺点也很明显——它的单位和原始数据不一致。比如房价单位是万元，MSE 的单位就成了「万元的平方」，这谁看得懂？

RMSE 就是给 MSE 开了个根号：RMSE = sqrt(MSE)。这样一来，单位就和原始数据一致了。

我个人习惯把 RMSE 当作「平均误差的某种估计」。但它和 MAE 不同，因为平方再开方的操作，让大误差的影响依然存在。

关键区别：RMSE 永远大于等于 MAE。两者差距越大，说明异常值的影响越严重。

我曾经在一个工业质检项目中，用 RMSE 评估模型。结果发现 RMSE 比 MAE 大了将近 3 倍。一查数据，果然有几个传感器故障导致的异常点。去掉之后，RMSE 和 MAE 就接近了。

MAE 的计算：MAE = (1/n) * Σ|yᵢ - ŷᵢ|。就是误差绝对值的平均。

说白了，MAE 最直观——预测平均偏差了多少。它不像 MSE 那样放大异常值，所以更稳健。

但 MAE 有个问题：它在零点不可导。这意味着用梯度下降优化时，需要特殊处理。不过在实际工程中，影响不大，因为我们可以用次梯度。

注意：如果你的业务场景中，大误差是不可接受的（比如医疗诊断、金融风控），那用 MAE 可能不合适。因为它对每个误差一视同仁，不会特别惩罚大误差。

R² 的公式：R² = 1 - (SS_res / SS_tot)。其中 SS_res 是残差平方和，SS_tot 是总平方和。

R² 的取值范围是 (-∞, 1]。越接近 1，说明模型拟合得越好。0 表示模型和「猜平均值」差不多。负数？那说明模型比瞎猜还差。

我记得有一次，一个同事兴冲冲地跑过来说他的 R² 达到了 0.99。我一看数据，原来他在测试集上用了和训练集高度相似的数据。嗯，过拟合了。R² 高不一定代表模型好，这个坑一定要避开。

我的建议：R² 适合用来做模型间的横向对比，但不要只看 R² 就下结论。结合 MSE、MAE 一起看，才能全面评估。

R² 有个毛病——你加再多的无关特征，它也不会下降，只会上升或保持不变。这就容易让人误以为模型变好了。

Adjusted R² 解决了这个问题：Adjusted R² = 1 - [(1-R²)(n-1)/(n-k-1)]。其中 k 是特征数量，n 是样本数量。

你看，公式里引入了特征数量 k 作为惩罚项。加一个没用的特征，R² 可能涨一点点，但 Adjusted R² 可能反而下降。这就逼着你去选择真正有用的特征。

实战经验：我在做电商销量预测时，一开始加了 50 多个特征，R² 是 0.85。后来用 Adjusted R² 做特征筛选，只保留了 12 个核心特征，R² 降到了 0.82，但 Adjusted R² 反而从 0.78 升到了 0.81。模型更简洁，泛化能力也更强了。

说了这么多，到底该用哪个？我整理了一个表格，方便你快速决策：

避坑指南：我曾经在一个项目中只用 R² 评估模型，结果模型在测试集上表现很差，但 R² 却很高。后来发现是因为数据分布不均匀，大部分样本集中在均值附近。所以，永远不要只依赖一个指标。

好了，这五个指标就是回归模型评估的核心工具。每个指标都有自己的脾气，选对了，事半功倍；选错了，可能被误导。我的习惯是：至少同时看 RMSE 和 R²，一个看误差大小，一个看拟合比例。两个指标互相印证，心里才有底。

想要更多资料，联系可可