本节你会学到
- 说清楚「回归模型怎样评估：MAE、MSE、RMSE 和 R²」解决的核心问题
- 知道它在「传统机器学习基础（21～34）」中的位置
- 把 分类与回归、过拟合、混淆矩阵 这些关键词联系起来
回归模型怎样评估：MAE、MSE、RMSE 和 R²
用同一组测试数据理解四个常用回归指标，并根据业务代价选择正确的评价方式。
学习路线：传统机器学习基础（21～34） · 第 28 课第 28 课
Learning Path
传统机器学习基础（21～34）
补齐文本分类项目背后的数据处理、算法、评估和模型选择知识。
学完本阶段你能做到：拿到一份结构化表格数据，独立完成清洗、特征工程、建模、评估、模型选择和保存，并用规范流程比较多个算法。
推荐读法：建议系统读。做项目时遇到数据和模型选择问题，也可以按需回查。
查看完整阶段 · 14 篇Lesson Guide
这一课怎么学
先看目标，再带着问题读正文。读完后用练习确认自己真的理解了。
前置知识
- 建议先读完上一篇：线性回归：模型怎样用一条线预测连续数值
- 能区分输入、输出、数据和模型目标。
概念回顾
- 【分类与回归】判断邮件是不是垃圾邮件是分类，预测房价是多少是回归。 前面或后面会反复用到它。
- 【过拟合】过拟合就像背答案，训练题都会了，但真正考试时不一定会。 前面或后面会反复用到它。
- 【混淆矩阵】准确率只给总分，混淆矩阵能告诉你模型到底把哪一类看错成了哪一类。 前面或后面会反复用到它。
- 【机器学习】机器学习的重点不是手写所有规则，而是准备数据、定义目标，让模型自己找到可复用的模式。 前面或后面会反复用到它。
核心概念
常见误区
- 不要只记定义，要追问它解决了什么问题。
- 不要只看一个指标，要结合任务目标判断模型是否真的有用。
课后练习
- 用 3 句话向一个零基础朋友解释「回归模型怎样评估：MAE、MSE、RMSE 和 R²」。
- 打开概念库里的「分类与回归」，补一遍它和本文的关系。
- 读下一课「逻辑回归为什么叫回归，却用来做分类」前，先写下你认为它会解决的问题。
自检练习与参考答案
1. 为什么不能只看一个指标？
单一指标会掩盖类别不平衡、业务代价和错误分布。评估要结合任务目标、混淆矩阵和具体错误样本。
2. 什么时候准确率会误导你？
当类别不平衡或不同错误代价差异很大时，准确率可能很高但模型仍然没解决关键问题。
上一课我们用线性回归预测了房价。但“模型预测出一个数字”还不等于模型可靠。
如果真实价格是 200 万，模型预测成 198 万，和预测成 120 万显然不是一回事。我们需要一套明确的尺度，来量化模型到底错了多少，以及这些错误对业务是否可接受。
先把预测误差说清楚
对每个测试样本，都有一个真实值 y_true 和预测值 y_pred：
误差 = 预测值 - 真实值正负号只表示高估或低估。评估“错了多少”时，我们通常会消掉方向，重点看偏差的大小。
假设真实配送时长是 30 分钟：
- 预测 28 分钟，偏差是 2 分钟；
- 预测 42 分钟，偏差是 12 分钟。
所有指标都从这些偏差出发，只是对大错的态度不同。
MAE：平均绝对误差
MAE（Mean Absolute Error）把每个样本的误差取绝对值后求平均：
MAE = 平均值(|预测值 - 真实值|)它最直观，因为单位和原始目标一致。
如果房价用“万元”表示，MAE = 8.4 就可以直接读作：模型平均会偏离约 8.4 万元。对于需要和业务方沟通的项目，MAE 往往是很好的首要指标。
MSE 与 RMSE：更在意大错误
MSE（Mean Squared Error）会先把误差平方：
MSE = 平均值((预测值 - 真实值)²)误差从 2 变成 4，误差从 12 变成 144。于是大偏差会被明显放大。
不过 MSE 的单位也被平方了，读起来不直观。RMSE（Root Mean Squared Error）再对 MSE 开平方：
RMSE = √MSERMSE 回到了原始单位，同时保留了对大错更敏感的特点。当一次严重低估或高估代价很高时，它通常比 MAE 更有提醒作用。
R²：模型比“猜平均值”好多少
R²（决定系数）不直接表示错了几元或几分钟，而是衡量模型相对“永远预测训练目标平均值”这个基线的提升程度。
R² = 1：测试数据上预测完全准确；R² = 0：和只猜平均值差不多；R² < 0：甚至不如只猜平均值。
R² 很适合比较同一任务、同一测试集上的不同模型，但不能替代 MAE 或 RMSE。一个 R² 看起来不错的模型，仍可能存在业务无法接受的平均误差。
用 scikit-learn 一次计算四个指标
from sklearn.metrics import (
mean_absolute_error,
mean_squared_error,
r2_score,
)
y_true = [120, 145, 168, 180]
y_pred = [118, 150, 160, 191]
mae = mean_absolute_error(y_true, y_pred)
mse = mean_squared_error(y_true, y_pred)
rmse = mean_squared_error(y_true, y_pred) ** 0.5
r2 = r2_score(y_true, y_pred)
print(f"MAE: {mae:.2f}")
print(f"MSE: {mse:.2f}")
print(f"RMSE: {rmse:.2f}")
print(f"R²: {r2:.3f}")在真实项目里，y_true 和 y_pred 应来自测试集：
y_pred = model.predict(X_test)
mae = mean_absolute_error(y_test, y_pred)同一个测试集、同一种数据切分方式，是比较模型的基本前提。
到底选哪个指标
可以先用下面这张判断表：
| 你最想知道什么 | 优先关注 |
|---|---|
| 平均会差多少，且要容易解释 | MAE |
| 严重大错需要被额外惩罚 | RMSE 或 MSE |
| 模型相对均值基线有没有价值 | R² |
| 要完整了解模型行为 | MAE + RMSE + R² 一起看 |
例如预测快递到达时间时，MAE 能说明平均偏差几分钟；如果“晚到一小时”会造成严重损失，则还应重点看 RMSE 和最差样本。指标不是排行榜，而是把业务担心的事情翻译成一个可比较的数字。
两个高频误区
用训练集分数证明模型好
训练集本来就是模型用于学习的数据。只有在验证集或测试集上计算的分数，才更接近模型面对新数据时的表现。
跨数据集比较误差绝对值
一个模型在“房价单位是万元”的数据上 MAE 为 5，另一个在“房价单位是元”的数据上 MAE 为 50000，不能直接比大小。目标单位、样本范围和测试集不同，指标没有可比性。
课后练习
把上面的 y_pred 最后一个值从 191 改为 220，重新运行。观察 MAE 和 RMSE 哪一个变化更明显，再解释为什么。
本课总结
- MAE 最容易解释平均偏差；
- MSE 会强烈放大大错误；
- RMSE 回到原始单位，同时仍重视大错误；
- R² 用来判断模型相对均值基线的解释能力；
- 评估必须基于未参与训练的、可比较的数据。
下一课我们切换到分类任务：逻辑回归为什么名字里有“回归”，却能判断用户会不会流失？
留言讨论