回归模型的衡量标准：MSE. RMSE. MAE. MPE

在建立多个regression models後，我们常要选择一个指标来衡量模型好坏，今天来聊聊各个不同的指标～

MSE（Mean Square Error）

MSE主要以平方来避免误差正负的互相抵销，但也因为平方的特性，所以当单一bias大的时候会有惩罚作用，也就是说MSE对於极值（outliers)会相对敏感。

RMSE（Root Mean Square Error）

RMSE主要就是MSE拿去取根号，取根号的目的是让他与y的单位变得一致，所以解释起来会比较直观！

MAE（Mean Absolute Error）

抵销正负误差的方式，除了平方之外，还有取绝对值，MAE就是取绝对值来计算平均误差，相对之下对极值比较不敏感，如果training data里面极值很多，那可以考虑用MAE来当作指标。

MAPE（Mean Absolute Percentage Error）

将误差转换为百分比（彻底摆脱单位），主要目的也是解释起来比较直观，要记得如果y含有0就不能使用MAPE!