想象你是一个射箭教练，站在靶场边看学生练习。每个学生射完一组箭，你要回答同一个问题：“这孩子射得怎么样？”靶心是真实答案，箭落点是模型预测值，箭落点和靶心的距离，就是预测误差。 但你会发现，评价方式不止一种——有的教练掏出一把卷尺，把每次脱靶距离取平均，这叫 MAE；有的教练对“重大失误”特别苛刻，把距离先平方再平均，这叫 MSE；有的教练觉得平方的单位不好向家长汇报，又开个根还原回厘米，这叫 RMSE；还有一位教练，他会先问：“如果完全不懂射箭的人闭着眼睛朝靶心乱扔，平均脱靶有多远？你的成绩比这个新手好出百分之多少？”这叫 R²。 同一个射箭队，四把尺子量出来的结论可能完全不同：一个平时稳定但偶尔飞箭的队员，在 MAE 眼里是大有希望的好苗子，在 RMSE 眼里却是风险巨大的隐患。所以这篇文章，就是带你认识这四把尺子各自的长处和盲区，学会在实际项目里组合使用，真正读懂一个回归模型的好坏。

岗位关联

对 AI 从业者而言，选对评估指标才能判断模型是否真正解决了业务问题，这是从“调参工程师”走向“算法工程师”的基本功。

目录
  1. 可视化演示
  2. 误差的本质：箭离靶心有多远
  3. MAE 平均绝对误差：教练的卷尺
  4. MSE 均方误差：严苛裁判的平方惩罚
  5. RMSE 均方根误差：把平方单位还原成厘米
  6. R² 决定系数：和闭眼新手比进步
  7. 指标相互矛盾：四把尺子也会吵架
  8. 补充评估指标：调整版 R² 与 MAPE
  9. AI 应用场景
  10. Python 演示
  11. 常见误区
  12. 面试题

可视化演示

展示MSE与MAE的误差计算差异、R²决定系数如何衡量解释方差比例以及异常值对不同指标的差异化影响，帮助理解回归模型评估中多指标组合使用的必要性。

本节配有交互动效（进入视口后自动加载，约 3KB）。

'+captions.metric+'

误差的本质：箭离靶心有多远

射箭教练的第一课，永远是让学员明白“误差”是什么。靶心是真实值 \(y_i\)，箭的落点是模型给我们的预测值 \(\hat{y}_i\)，两者之间的距离就是这次预测的误差。教练盯着落点问：“你偏了多少？”学员说：“我用卷尺量过，真实成绩是 10 环，你预测成 9 环，偏了 1 环。”

这个“1 环”就是单个样本的误差。但现实问题要复杂得多——数据中总有无法解释的噪声，比如风速、选手紧张、器材磨损，所以误差不可能为 0。我们评判一个模型，不是看它能不能做到零误差，而是看它的误差整体上有多大、有多集中、会不会偶尔出现离谱的偏差。

还有一个关键的细节：误差有正有负，如果直接相加，+3 和 -3 会互相抵消，看起来像是“完美预测”。所以后面所有的评估指标，第一步都是想办法把正负号处理掉——要么取绝对值，要么取平方。这也正是 MAE、MSE 这些指标的起点。

弄懂了误差，我们才能理解：所有评估指标的本质，都是在回答“这一组偏差到底有多大、有多危险”。

ei=yi−y^i\displaystyle e_i = y_i - \hat{y}_i
通俗理解：第 i 个样本的真实值减去模型预测值，就是这一个样本的预测偏差。带符号，正负都算数。
  1. 获取真实值样本 i 的真实目标值 \(y_i\)，相当于箭靶在场地上的实际位置。
    yiy_i
  2. 获取预测值模型输出的预测值 \(\hat{y}_i\)，相当于箭的实际落点。
    y^i\hat{y}_i
  3. 作差得到误差真实值减去预测值，得到带符号的偏差，正数代表预测偏低，负数代表预测偏高。
    ei=yi−y^ie_i = y_i - \hat{y}_i

MAE 平均绝对误差：教练的卷尺

教练的第一把尺子是卷尺。学员射完一组箭，教练把每支箭到靶心的距离用卷尺量出来，然后取平均值：“你平均脱靶 2.3 厘米。”这个数字很直观，和靶场的单位完全一致，家长一听就懂。

这就是 MAE（平均绝对误差）。它先把每个样本的误差取绝对值，消除正负抵消的问题，再求平均。因为它对每个样本一视同仁，所以对离群值不那么敏感——一支箭飞得非常远，平均下来会被稀释，不会被无限放大。

MAE 的优势是业务可解释性极强：“平均预测偏差大约 2.3 万元”“平均误差 0.8 个库存单位”。但它的短板在于：如果某个错误会造成严重后果（比如银行把贷款金额估错 10 倍），MAE 会因为“平均主义”而看不见大问题。教练拿着卷尺只会平静地告诉你“总体还行”，却看不出一支飞出场外的箭有多危险。

回到靶场：MAE 就是教练手里那把最朴素的卷尺，它告诉你平均手感如何，但不会因为某一箭飞得太远而大惊小怪。

MAE=1n∑i=1n∣yi−y^i∣\displaystyle \text{MAE} = \frac{1}{n}\sum_{i=1}^{n} \left| y_i - \hat{y}_i \right|
通俗理解：把所有样本的“绝对偏差”加起来除以样本数，得到平均每个样本偏了多少。
  1. 计算单个误差对第 i 个样本，用真实值减去预测值，得到带符号的偏差。
    ei=yi−y^i\displaystyle e_i = y_i - \hat{y}_i
  2. 取绝对值去掉负号，只保留偏差大小，避免正负误差相加时相互抵消。
    ∣ei∣=∣yi−y^i∣\displaystyle |e_i| = |y_i - \hat{y}_i|
  3. 对所有样本求和把 n 个样本的绝对偏差全部累加起来。
    ∑i=1n∣yi−y^i∣\displaystyle \sum_{i=1}^{n} |y_i - \hat{y}_i|
  4. 取平均除以样本数量 n，得到每个样本的平均偏差。
    MAE=1n∑i=1n∣yi−y^i∣\displaystyle \text{MAE} = \frac{1}{n}\sum_{i=1}^{n} |y_i - \hat{y}_i|

MSE 均方误差：严苛裁判的平方惩罚

靶场还有一位严苛的裁判。他不满足于卷尺，而是把每支箭的脱靶距离先平方，再做平均。在他眼里，脱靶 2 厘米不是 2 厘米，而是 4；脱靶 10 厘米不是 10 厘米，而是 100。一次严重的失误，会瞬间把整个评分拖垮。

这就是 MSE（均方误差）。为什么它这么“狠”？因为在很多场景中，大误差的代价不是线性增长的——库存预测差 10 件的损失，远不止差 1 件的 10 倍，可能是缺货导致整条供应链停摆。平方操作让大误差被放大得尤其明显，让模型在训练时主动避开“特别离谱的大错”。

MSE 在数学上还有一个重要优点：它是处处可导的平滑函数，梯度下降时求导非常方便，所以很多回归模型的损失函数直接使用 MSE。但它的缺点在于单位：如果预测目标是房价（万元），MSE 的单位是“万元的平方”，业务人员听完一脸茫然。教练可以说“我打出的分是 25 分”，但谁也说不清这个分数在地球上到底意味着多远。

严苛裁判的评分有一个问题：分数的单位是“平方厘米”，没法直接当距离用。所以我们需要第三把尺子。

MSE=1n∑i=1n(yi−y^i)2\displaystyle \text{MSE} = \frac{1}{n}\sum_{i=1}^{n} (y_i - \hat{y}_i)^2
通俗理解：把每个样本的偏差先平方再平均。平方让大偏差的惩罚被急剧放大。
  1. 计算单个误差真实值减去预测值，得到第 i 个样本的偏差。
    ei=yi−y^i\displaystyle e_i = y_i - \hat{y}_i
  2. 将误差平方对偏差取平方，使得正负号消失，同时让大偏差的权重被放大。
    (yi−y^i)2\displaystyle (y_i - \hat{y}_i)^2
  3. 对所有样本求和把每个样本的平方误差加在一起。
    ∑i=1n(yi−y^i)2\displaystyle \sum_{i=1}^{n} (y_i - \hat{y}_i)^2
  4. 取平均除以样本数 n，得到平均平方误差。
    MSE=1n∑i=1n(yi−y^i)2\displaystyle \text{MSE} = \frac{1}{n}\sum_{i=1}^{n} (y_i - \hat{y}_i)^2

RMSE 均方根误差：把平方单位还原成厘米

严苛裁判算出了“平均平方误差”之后，自己都觉得这分数没法向运动员交代，于是给结果开了一个平方根，把单位从“平方厘米”还原回“厘米”。这就是 RMSE（均方根误差）——它保留了 MSE 对大误差的敏感性，又具备了和 MAE 一样原汁原味的业务单位。

RMSE 和 MAE 的关系非常有意思。它们都用原始单位表达，但 RMSE 通常不小于 MAE。为什么？因为平方式子在平方后取平均再开根，会让数值偏大的样本“拽”着整体往上走。只要误差分布不那么均匀，RMSE 就会明显高于 MAE。这个差值本身就是一种诊断工具：如果 RMSE 比 MAE 大得多，说明你的预测里藏着一些“离谱的大错”，值得专门排查。

教练的时间表很清晰：平时训练用 MAE 掌握平均手感，正式比赛用 RMSE 评估风险等级——因为一次脱靶飞出场外，就算其余箭都射得再准，比赛也可能直接出局。

RMSE 一登场，教练手里的卷尺和裁判手里的笔记本就能互相翻译了。

RMSE=1n∑i=1n(yi−y^i)2\displaystyle \text{RMSE} = \sqrt{ \frac{1}{n}\sum_{i=1}^{n} (y_i - \hat{y}_i)^2 }
通俗理解：先算 MSE，再开根号，让误差单位回到和预测目标一致。
  1. 计算平方误差将每个样本的偏差平方。
    (yi−y^i)2\displaystyle (y_i - \hat{y}_i)^2
  2. 求和并取平均把所有平方误差相加后再除以 n，得到 MSE。
    1n∑i=1n(yi−y^i)2\displaystyle \frac{1}{n}\sum_{i=1}^{n} (y_i - \hat{y}_i)^2
  3. 开平方根对上述结果开根号，消除平方带来的单位变化。
    RMSE=1n∑i=1n(yi−y^i)2\displaystyle \text{RMSE} = \sqrt{\frac{1}{n}\sum_{i=1}^{n} (y_i - \hat{y}_i)^2}

R² 决定系数：和闭眼新手比进步

教练最后请来一位完全没练过射箭的新手。这位新手不知道任何技巧，只会闭着眼睛朝靶心大致方向乱射。教练量出他的平均脱靶距离，作为“基准水平”。然后教练回头问你：“和新手相比，你的平均脱靶距离减少了百分之多少？”这个“进步率”，就是 R²。

数学上，新手的误差平方和叫总平方和 \(SS_{tot}\)，它的含义是“如果只用目标均值当作预测，会产生多少误差”。你的模型的误差平方和叫残差平方和 \(SS_{res}\)。两者相除得到“你的误差占新手误差的比例”，再用 1 减去，得到“你比新手少犯了多少错”。

R² 的数值解读很自然：接近 1 表示你的模型解释了大部分方差，模型几乎完美；等于 0 表示你的模型和新手（均值）表现一样；小于 0 则表示你的模型连均值基线都不如——这在真实项目中完全可能发生，比如模型严重过拟合、特征和目标关系被完全搞反的时候。由于 R² 是比例，它跟单位无关，可以在不同量纲的数据集之间粗略比较。

但现在问题来了：卷尺、严苛裁判、还原尺和“进步率”这四把尺子，量出来的答案经常不一致。它们甚至会在靶场里吵起来。

R2=1−SSresSStot=1−∑i=1n(yi−y^i)2∑i=1n(yi−yˉ)2\displaystyle R^2 = 1 - \frac{SS_{res}}{SS_{tot}} = 1 - \frac{\sum_{i=1}^{n}(y_i - \hat{y}_i)^2}{\sum_{i=1}^{n}(y_i - \bar{y})^2}
通俗理解：R² 回答的是“你的预测比永远猜平均值强多少”，衡量模型整体解释力。
  1. 计算残差平方和把每个样本的预测误差平方后求和，代表你的模型仍然犯下的错误总量。
    SSres=∑i=1n(yi−y^i)2\displaystyle SS_{res} = \sum_{i=1}^{n}(y_i - \hat{y}_i)^2
  2. 计算总平方和把每个样本与均值之差平方后求和，代表“闭眼新手”犯下的错误总量。
    SStot=∑i=1n(yi−yˉ)2\displaystyle SS_{tot} = \sum_{i=1}^{n}(y_i - \bar{y})^2
  3. 求误差占比看残差平方和占总平方和的比例，即你保留下来的错误。
    SSresSStot\displaystyle \frac{SS_{res}}{SS_{tot}}
  4. 用 1 减去占比从 1 中减掉该比例，得到你比基线模型减少的错误比例。
    R2=1−SSresSStot\displaystyle R^2 = 1 - \frac{SS_{res}}{SS_{tot}}

指标相互矛盾：四把尺子也会吵架

设想一个叫小林的队员。他平时表现稳定，大部分箭都离靶心 1 厘米左右，但每隔一段时间就会有一箭脱靶 10 厘米。教练们分别表态：卷尺（MAE）说“平均 3.25 厘米，还是有进步的”；裁判（MSE）惊呼“平均平方误差 25.75 平方厘米，完全不合格”；还原尺（RMSE）冷静地说“折合 5.07 厘米，风险挺大”；R² 则要看整体方差才能下判断。同样一组数据，四把尺子给出四种评价。

为什么会“吵架”？根源在于误差的分布。绝对值线性累计和平方累计对离群样本的敏感度完全不同：一个 10 厘米的离群误差，在 MAE 里只是“多了 10”，在 MSE 里却变成了“多了 100”。因此当数据中存在极端值时，MAE 会显得过于乐观，RMSE 会显得过度悲观，而 R² 介乎两者之间，还会受到目标变量自身方差的影响。

正确的做法是组合使用。教练的完整决策流程应该是：先用 MAE 读懂业务上的平均偏差；再看 RMSE 与 MAE 的差距，差距越大说明离群风险越严重；最后看 R² 判断模型整体解释力是否合格。三个指标一起看，才能拼出完整画面。

四把尺子吵架不可怕，可怕的是你只听其中一把。有经验的教练一定会把四把尺子放在一起看，再结合业务目标做最终判断。

dˉ=1+1+1+104=3.25,RMSE=1+1+1+1004≈5.07\displaystyle \bar{d} = \frac{1+1+1+10}{4} = 3.25,\quad \text{RMSE} = \sqrt{\frac{1+1+1+100}{4}} \approx 5.07
通俗理解：四个偏差是 1、1、1、10。MAE 和 RMSE 的差距暴露了那个离群值的存在。
  1. 列出误差序列假设四个样本的偏差分别为 1、1、1、10，最后一个明显离群。
    e=[1,1,1,10]\displaystyle e = [1, 1, 1, 10]
  2. 计算 MAE直接对绝对值取平均，得到 3.25。
    1+1+1+104=3.25\displaystyle \frac{1+1+1+10}{4} = 3.25
  3. 计算 RMSE先平方求和再平均开根，离群值被大幅放大后得到约 5.07。
    12+12+12+1024≈5.07\displaystyle \sqrt{\frac{1^2 + 1^2 + 1^2 + 10^2}{4}} \approx 5.07
  4. 对比两者差距RMSE 与 MAE 的差约为 1.82，差距越大，说明越存在显著的极端误差。
    5.07−3.25=1.82\displaystyle 5.07 - 3.25 = 1.82

补充评估指标：调整版 R² 与 MAPE

除了四把主力尺子，靶场工具箱里还有两个经常用到的补充工具。

第一个是 Adjusted R²（调整后决定系数）。 普通 R² 有个坏习惯：你只要往模型里不断添加新特征，即使这些特征完全是噪声，R² 也几乎不会下降，甚至会微微上升。模型没有变好，只是“加戏变多”了。Adjusted R² 引入一个惩罚项：样本数 n 和特征数 p 共同决定一个折扣因子，特征越多、对模型越不利，从而逼着模型用更少的特征解释同样多的方差。

第二个是 MAPE（平均绝对百分比误差）。 它的思路是把每个样本的偏差除以真实值，转成百分比后再取平均。比如“预测库存偏差平均是实际销量的 8%”，业务人员一听就懂，还方便跨量纲比较。但它有一个致命弱点：当真实值 \(y_i\) 接近 0 时，这个比率会爆炸。就像靶心放在你脚边，箭稍微偏一点，比例就会变成几百甚至上千。

选指标的最终策略要看场景：教练平时训练用 MAE，正式比赛盯 RMSE，年终总结看 R²，跨项目汇报用 MAPE。没有“最好”的指标，只有“最合适”的组合。

Rˉ2=1−(1−R2)(n−1)n−p−1\displaystyle \bar{R}^2 = 1 - \frac{(1 - R^2)(n - 1)}{n - p - 1}
通俗理解：把每个样本的误差换算成“占真实值的百分比”，再取平均，方便跨项目对比。
  1. 计算单个百分比误差对第 i 个样本，用绝对误差除以真实值，得到相对偏差比例。
    ∣yi−y^iyi∣\displaystyle \left|\frac{y_i - \hat{y}_i}{y_i}\right|
  2. 求和把所有样本的百分比误差累加。
    ∑i=1n∣yi−y^iyi∣\displaystyle \sum_{i=1}^{n}\left|\frac{y_i - \hat{y}_i}{y_i}\right|
  3. 取平均并转为百分数除以样本数 n，再乘以 100%，得到平均绝对百分比误差。
    MAPE=100%n∑i=1n∣yi−y^iyi∣\displaystyle \text{MAPE} = \frac{100\%}{n}\sum_{i=1}^{n}\left|\frac{y_i - \hat{y}_i}{y_i}\right|

AI 应用场景

电商大促销量预测

阶段：模型评估与上线决策

解决的问题：大促期间单品销量差异极大，普通商品误差可能只有 10 件，爆款商品误差却高达 300 件。如果只看 RMSE，团队会以为整个模型崩溃了；如果只看 MAE，又会忽略爆款预测失灵的巨大风险。通过对比 RMSE 与 MAE 的差距，可以快速定位是否出现极端误差，再决定是全局优化还是单独为爆款建模型。

具体案例：某电商供应链团队发现补货预测模型的 RMSE 是 MAE 的 3 倍，排查后锁定到 5 个爆款 SKU 的极端误差，为它们单独建立了促销因子模型，整体 RMSE 下降 40%，缺货率显著改善。

银行信贷额度评估

阶段：风控模型评估

解决的问题：银行评估房产抵押价值时，预测偏差直接决定贷款风险。MAE 帮助业务经理理解“平均估偏差约 8 万元”，RMSE 帮助风控团队警惕“部分极端案例可能错估 50 万元以上”。两者结合，既保证业务可解释性，又牢牢守住风险底线。

具体案例：某银行零售信贷团队在拒绝“只看 R²”的旧习惯后，改为同时监控 MAE 和 RMSE，发现一个分位点的极端误差集中在特定城市，从而调整了该城市的模型权重，坏账率下降明显。

工业设备故障预测

阶段：多传感器指标的标准化评估

解决的问题：同一台设备上，温度、压力、振动等传感器单位不同，直接比较 MAE 没有意义。团队用 MAPE 把每个传感器的预测误差统一为百分比，用一套评分体系排序，快速找出预测最不可靠的传感器。

具体案例：某工厂设备预测性维护项目中，MAPE 显示温度预测误差仅 2%，振动预测误差却达 35%，工程师据此优先优化振动模型，成功提前 6 小时识别了一次轴承故障。

Python 演示

python35 行
import numpy as npfrom sklearn.datasets import make_regressionfrom sklearn.linear_model import LinearRegressionfrom sklearn.model_selection import train_test_splitfrom sklearn.metrics import mean_absolute_error, mean_squared_error, r2_score  def mae_manual(y_true, y_pred):    """手工计算平均绝对误差：先加绝对值再平均"""    return np.mean(np.abs(y_true - y_pred))  def rmse_manual(y_true, y_pred):    """手工计算均方根误差：先平方、平均，再开根"""    return np.sqrt(np.mean((y_true - y_pred) ** 2))  if __name__ == "__main__":    X, y = make_regression(n_samples=500, n_features=3, noise=15, random_state=42)    X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)     model = LinearRegression()    model.fit(X_train, y_train)    y_pred = model.predict(X_test)     mae = mean_absolute_error(y_test, y_pred)    mse = mean_squared_error(y_test, y_pred)    rmse = rmse_manual(y_test, y_pred)    r2 = r2_score(y_test, y_pred)     print(f"MAE  = {mae:.4f}")    print(f"MSE  = {mse:.4f}")    print(f"RMSE = {rmse:.4f}")    print(f"R2   = {r2:.4f}")    print(f"手工 MAE 与 sklearn 一致性: {np.isclose(mae, mae_manual(y_test, y_pred))}")
目的：通过一份完整可运行的回归评估流程，展示四个指标的计算方式，以及手工实现与 sklearn 库结果的一致性。
  1. X, y = make_regression(n_samples=500, n_features=3, noise=15, random_state=42)生成带噪声的回归数据集，模拟真实业务中“无法完美预测”的场景。
  2. model.fit(X_train, y_train)用训练集拟合线性回归模型，相当于让弓箭手先在训练场练习。
  3. y_pred = model.predict(X_test)在没见过的测试集上打出真实成绩，测试集误差更能反映模型泛化能力。
  4. rmse = rmse_manual(y_test, y_pred)用自写函数计算 RMSE，验证你对“平方-平均-开根”这一流程的理解。
  5. print(f"R2 = {r2:.4f}")把 R² 打印出来，判断模型相对均值基线有多大的解释力提升。
  6. np.isclose(mae, mae_manual(y_test, y_pred))对比手工计算与 sklearn 的结果是否一致，确认理解正确。

常见误区

误区我训练完模型看了一眼 R²=0.98，特别高兴，觉得这个模型完全可以上线了。毕竟 R² 这么接近 1，应该不会有什么问题吧？

正解R² 只能说明模型在“当前这批数据”上相对均值基线解释掉了多少方差。如果 R² 是在训练集上算的，极高的值很可能是过拟合——模型把训练集的噪声都背下来了。就像学生在训练场上闭着眼睛都能射中靶心，一到正式比赛就脱靶。评估模型必须看测试集或验证集上的 R²，并配合 MAE/RMSE 一起判断。

为何常见：R² 的数值范围直观，接近 1 的视觉冲击太强，容易让人忽略它是在什么数据集上计算的。

误区MAE 和 RMSE 都是“平均误差”嘛，量纲也一样，选哪个都行，我一般习惯看 MAE，因为它数字小一点，好看。

正解两者对离群值的敏感度完全不同。MAE 把所有误差一视同仁地取平均，RMSE 先平方后平均再开根，大误差会被额外放大。当数据中存在极端值时，RMSE 会明显大于 MAE。如果你只看 MAE，可能完全发现不了模型在某些极端场景下错得离谱。正确姿势是同时计算两者，差值越大，越要警惕离群风险。

为何常见：两个指标都要“取平均”，名字里都有“平均误差”，初学者很容易把它们归为一类。

误区MAE 是平均绝对误差，RMSE 是均方根误差，那 RMSE 应该就是对 MAE 取平方根得到的吧，本质上是同一种东西。

正解RMSE 的计算路径是“误差平方 → 求平均 → 开根号”，它并“不是”对 MAE 开根。平方操作改变了每个误差的权重，因此 RMSE 和 MAE 是从不同角度衡量误差分布，不是简单的数学变换关系。把 1、1、1、10 代入，MAE 是 3.25，RMSE 是 5.07，两者差距完全不是开根号能解释的。

为何常见：两个缩写只差一个字母，且 docs 里都叫"root/absolute"，很多人从名字里猜测二者的关系，没有亲自推过公式。

误区R² 是决定系数嘛，网上都说 0 到 1 之间，1 最好，0 最差。万一算出负数，肯定是代码写错了。

正解R² 的定义是 \(1 - SS_{res}/SS_{tot}\)，当模型的残差平方和大于总平方和时，R² 就是负数。这说明模型比“直接用均值预测”的闭眼新手还要差。这种情况发生在模型严重过拟合、特征与目标关系被搞反，或者测试集和训练集分布差异巨大时。看到负的 R² 不是代码错误，而是模型真的出了问题。

为何常见：大多数演示案例中 R² 都落在 0 到 1 之间，教材也习惯强调“越接近 1 越好”，很少有人提到负数情况。

误区回归任务我就盯一个数字，R² 高就调整结束，反正它能衡量“拟合优度”啊。

正解R² 衡量的是相对均值基线的整体解释力，但它不直接告诉你业务上“平均差多少元”，也无法像 RMSE 那样暴露极端误差风险。一个 R²=0.85 的模型，MAE 可能是 1 元也可能是 1000 元，这取决于目标变量的尺度。调参阶段应该组合使用：MAE 看业务平均偏差，RMSE 看极端风险，R² 看整体解释力，必要时再加 MAPE 做跨项目对比。

为何常见：R² 是各大库默认输出的指标之一，且它无量纲、方便比较，容易让人误以为它是万能的。

面试题

Q1. 以下哪个回归指标是对绝对误差先求和再取平均？

单选题 · easy

  • A.平均绝对误差← 正确答案
  • B.均方误差
  • C.均方根误差
  • D.决定系数

答案：A。MAE 的定义正是“取绝对值、求和、除以样本数”。MSE 是平方后求平均，RMSE 是 MSE 再开根，R² 是相对均值基线的解释比例。想象用卷尺量每支箭的脱靶距离再取平均，那就是 MAE。

Q2. 当样本中存在极端离群误差时，以下哪个指标对大误差最敏感？

单选题 · easy

  • A.平均绝对误差
  • B.均方误差← 正确答案
  • C.中位绝对误差
  • D.平均百分比误差

答案：B。MSE 使用平方运算，会把 10 放大成 100，而 MAE 只把它当作 10。平方让大误差的权重急剧上升，所以 MSE/RMSE 对离群值最敏感。教练换成严苛裁判后，一支飞远的箭就能让总分变得很难看。

Q3. RMSE 与 MSE 的正确关系是？

单选题 · mid

  • A.RMSE 等于 MSE 的平方
  • B.RMSE 等于 MSE 开根号← 正确答案
  • C.RMSE 等于 MSE 除以样本数
  • D.两者之间没有任何关系

答案：B。RMSE 的全称是“均方根误差”，即先算 MSE，再对整个结果开平方根，从而把单位从“平方单位”还原为原始单位。它不是对 MAE 开根，也不是 MSE 的平方。

Q4. 某回归模型中 RMSE=5 而 MAE=1，最可能说明什么？

单选题 · mid

  • A.误差分布非常均匀
  • B.存在极端大误差← 正确答案
  • C.样本数据没有噪声
  • D.所有预测值都很准确

答案：B。RMSE 远大于 MAE，说明平方项把某些大误差放大了很多，误差分布呈现“重尾”特征。MAE 说平均只偏 1，RMSE 却说风险高达 5，两者的矛盾正是离群值存在的信号。

Q5. 一个回归模型的 R² = -0.3，这说明？

单选题 · mid

  • A.模型表现非常完美
  • B.模型不如直接用均值预测← 正确答案
  • C.样本量一定不够大
  • D.R² 不可能为负数

答案：B。R² = 1 - 残差平方和/总平方和，当残差平方和大于总平方和时 R² 为负，说明模型的预测比“永远猜平均值”的基线还差。这通常意味着模型严重过拟合或者特征与目标关系被搞反。

Q6. 关于回归评估指标，下列说法正确的有？

多选题 · mid

  • A.MAE 对离群值相对不敏感← 正确答案
  • B.MSE 会放大误差较大的样本← 正确答案
  • C.RMSE 和原始预测目标同单位← 正确答案
  • D.R² 数值越大模型必然越好

答案：ABC。MAE 用绝对值线性累计，对离群值不敏感；MSE 用平方会放大离群；RMSE 在 MSE 基础上开根，单位回到原量纲。D 错误，因为 R² 高不等于泛化好，可能是过拟合或者在训练集上计算的虚高。

Q7. Adjusted R² 相比普通 R² 的主要改进是什么？

单选题 · hard

  • A.计算速度比 R² 更快
  • B.惩罚无用特征带来的虚高← 正确答案
  • C.保证结果永远大于 1
  • D.不再依赖样本数量

答案：B。普通 R² 随着特征数量增加几乎不会下降，Adjusted R² 通过 \((n-1)/(n-p-1)\) 引入自由度惩罚，特征越多折扣越大，逼迫模型避免堆砌无用特征。它不是为了加速计算，也不会改变结果范围。

Q8. 什么情况下 MAE 比 RMSE 更适合作为业务汇报指标？

多选题 · hard

  • A.存在少量极端离群值且希望均衡看待← 正确答案
  • B.需要向业务解释预测的平均偏差← 正确答案
  • C.希望更严格惩罚较大误差
  • D.误差有正有负但只关心平均大小← 正确答案

答案：ABD。MAE 对离群值不敏感，适合不希望被极端值带偏的场景；它和原始目标同单位，业务解释直观；它对正负误差都取绝对值，天然只关注偏差大小。C 描述的是 RMSE/MSE 的偏好，因为平方运算会严格惩罚大误差。

Q9. R² 在计算中使用的基线模型是什么？

单选题 · hard

  • A.最优线性回归模型
  • B.直接用目标均值预测的模型← 正确答案
  • C.随机森林模型
  • D.最近邻模型

答案：B。R² 的总平方和 \(SS_{tot}\) 是每个样本与目标均值的误差平方和，它对应“闭着眼睛猜平均水平”的基线模型。R² 衡量的是你的模型相对这个基线减少了多少误差，而不是对比任何其他机器学习模型。

Q10. 向测试集加入一个极端离群样本后，RMSE 从 2 升到 20，MAE 从 1.0 升到 1.2。据此最合理的判断是？

单选题 · extreme

  • A.RMSE 计算一定出现了错误
  • B.MAE 已经完全没有参考价值
  • C.RMSE 能提示离群风险，MAE 保持稳定但不应被单独使用← 正确答案
  • D.两个指标都说明模型完全不可用

答案：C。RMSE 因平方运算对离群值剧烈反应，MAE 几乎不受影响，两者行为差异是正常现象。正确的解读是：MAE 提供稳定的平均偏差估计，而 RMSE 的大幅波动恰恰提醒你需要关注极端误差来源，方案是排查离群样本而不是否定模型。