回归模型的三个评价指标，MAE、MSE、MAPE 回顾

背景

从 2018 年开始漫无目的地看机器学习的知识，到现在还没入门，只学会了用 Python 运行几个简单的 Demo，周末跟着一个 在线 AI 学习网站 玩了一下房价预测的线性回归的例子，代码都能看懂。

本文温习将对回归分析结果进行评价的三个指标，之前推公式时 LaTeX 语法基本会了的，今天突然发现全忘记了，也顺便复习一下。

MAE

指标名称：平均绝对误差。 英文全称： Mean Absolute Error。 数学含义：将实际值和预测值的差值的绝对值进行求平均。 数学公式：

MSE

指标名称：均方误差。 英文全称：Mean Square Error。 数学含义：实际值和预测值的差值求平方后再求平均值。 数学公式：

MAPE

指标名称：平均绝对百分比误差。 英文全称：Mean Absolute Percentage Error。 数学含义：实际值和预测值的差值占实际值的比率的平均值，在转换为百分比。 数学公式：

它是 MAE 的变种，求的是误差的比率。