想象你正在主持一场射箭比赛。靶心是真实值，每一位参赛者的箭就是模型的预测值。有的人箭箭紧贴靶心，有的人时而脱靶，还有的人永远只射中远离靶心的固定位置。现在问题来了：作为裁判，你怎么用一组数字公平地评判他们的水平？ 这就是回归评估指标要解决的核心问题。MAE 像“平均偏离靶心多少厘米”，MSE 像“对脱靶特别远的箭加重扣分”，RMSE 把扣分还原回厘米，R² 则是和你找来的“闭眼乱射的普通人”做对比——你的成绩比这个普通人好多少？而 MAPE 会说：“你这一箭，相对目标距离偏了百分之几。”没有这些指标，你面对一场射箭比赛只能凭感觉说“他好像还行”，有了它们，你才能科学地打分、排名、改进。 这篇文章会用射箭比赛这个比喻，带你认识回归任务中最常用的七种评估指标，弄清它们各自的性格特点与适用场景。当你在实际项目中面对“模型到底好不好”这个问题时，你将不再只盯着一个数字，而是能从容地选出一套最有说服力的打分方案。

岗位关联

回归评估指标是 AI 从业者的“体检报告”——无论是论文实验对比、工程模型选型，还是面试中应对“你如何评估模型”的追问，掌握 MAE、MSE、R² 等指标的差异与适用场景，都是绕不开的基本功。

目录
  1. 可视化演示
  2. 回归指标概览
  3. MAE 平均绝对误差
  4. MSE 均方误差
  5. RMSE 均方根误差
  6. R² 决定系数
  7. 调整 R²
  8. MAPE 与 sMAPE
  9. 指标选型实战
  10. AI 应用场景
  11. Python 演示
  12. 常见误区
  13. 面试题

可视化演示

展示系统处理流水线、实时性能指标曲线及多方案对比分析，包含数据流转、吞吐延迟监控与方案评估。

本节配有交互动效（进入视口后自动加载，约 3KB）。

系统可视化 处理流程：输入→处理→模型→输出 性能监控：实时指标 P=L×T

回归指标概览

射箭比赛的计分方式五花八门：有的只看平均环数，有的要求“射中靶心才算分”，还有的会把你和历史最好成绩做对比。回归评估指标的本质，就是一套衡量预测值与真实值差距的计分规则。在比赛开始前，裁判必须先明确：这场比的是什么距离、什么尺度的偏差。

回归任务输出的是一个连续数值，比如房价、温度、销量。与分类问题的“对/错”不同，回归的预测和真实值之间永远存在一个“距离”——这个距离就是误差。误差类指标（MAE、MSE、RMSE、MAPE）负责量化偏差的大小，解释类指标（R²、调整 R²）负责衡量模型对数据波动性的解释能力。选择哪把尺子，取决于你更在意“平均表现”还是“极端表现”。

几乎所有误差指标都可以浓缩成一种统一形式：对每个样本的误差做某种变换后求平均。变换方式决定了指标的性格。

回到射箭比赛：如果你想让“偶尔脱靶的箭”不被过多惩罚，选 p=1；如果你想让脱靶箭醒目地拖低总分，选 p=2。先想清楚比赛规则，才能选出匹配的指标。

E=1n∑i=1n∣ yi−y^i ∣ p\displaystyle E = \frac{1}{n}\sum_{i=1}^{n} |\,y_i - \hat{y}_i\,|^{\,p}
这个式子像一条“计分流水线”：每个样本先算出偏差，p 次方决定惩罚力度，再求平均。p=1 得到 MAE，p=2 得到 MSE。
  1. 误差求和符号对从第 1 个到第 n 个样本依次取出“真实值与预测值的偏差”，逐个加工。
    ∑i=1n\displaystyle \sum_{i=1}^{n}
  2. 偏差绝对值真实值 $y_i$ 减去预测值 $\hat{y}_i$，取绝对值保证正负偏差不会互相抵消。
    ∣ yi−y^i ∣\displaystyle |\,y_i - \hat{y}_i\,|
  3. 指数 pp 决定了对大偏差的惩罚力度，p 越大，越大的偏差被放大得越厉害。
    ∣ yi−y^i ∣ p\displaystyle |\,y_i - \hat{y}_i\,|^{\,p}
  4. 除以 n 取平均把所有样本的“惩罚值”相加后除以样本总数 n，得到最终得分。
    1n∑i=1n\displaystyle \frac{1}{n}\sum_{i=1}^{n}

MAE 平均绝对误差

假设赛场上有 10 支箭，裁判把每支箭偏离靶心的距离记录下来，然后求一个平均——这就是 MAE 的做法：每个样本的误差只按“原始距离”记一次账，不做任何放大。它回答的问题最简单：平均每一支箭，偏了多远？

MAE 的数学定义很直白：把所有样本的绝对误差加起来除以样本数。所谓“绝对”，就是只看距离不看方向，偏差为 +3 和偏差为 -3 在 MAE 眼中同样算 3。

MAE 最大的性格特点是对离群点鲁棒。赛场上有一支箭离谱地偏了 100 米，它只是把这 100 米记入总和，不会额外放大。因此当你的数据中存在明显异常值、且你不想让异常值主导模型评估结果时，MAE 是最稳妥的裁判。另一方面，MAE 的梯度恒定为 ±1，这意味着每个样本对优化的“推动力”是均匀的。在射箭训练中，它更像一位情绪稳定的教练，不管队员射得多离谱，都只按偏差大小给出一致的反馈。

但 MAE 也有软肋：它对所有误差一视同仁，对“小错误”和“大错误”的边际惩罚没有区别，在需要重点警惕大误差的场景中会显得过于温和。

MAE=1n∑i=1n∣ yi−y^i ∣\displaystyle MAE = \frac{1}{n}\sum_{i=1}^{n} |\,y_i - \hat{y}_i\,|
  1. 真实值减预测值计算第 i 个样本的预测偏差，正负代表偏差方向。
    yi−y^i\displaystyle y_i - \hat{y}_i
  2. 取绝对值消除方向信息，只保留偏差大小，防止正负相消。
    ∣ yi−y^i ∣\displaystyle |\,y_i - \hat{y}_i\,|
  3. 累加所有偏差从第一个样本加到第 n 个样本，汇总全部偏差距离。
    ∑i=1n∣ yi−y^i ∣\displaystyle \sum_{i=1}^{n} |\,y_i - \hat{y}_i\,|
  4. 平均除以样本数 n，得到“平均绝对误差”即平均偏离距离。
    1n∑i=1n∣ yi−y^i ∣\displaystyle \frac{1}{n}\sum_{i=1}^{n}|\,y_i-\hat{y}_i\,|

MSE 均方误差

如果裁判觉得“脱靶 10 厘米”和“脱靶 20 厘米”不该只是简单的两倍关系，而应该是“四倍恶劣”，他会采用 MSE。MSE 先把每个误差平方，再求平均——这让大误差被急剧放大，小误差则几乎被忽略。

平方是一面“放大镜”，直径放大一倍，面积放大四倍。同样，误差翻一倍，它对 MSE 的贡献翻四倍。这种特性使 MSE 成了一个对异常值极为敏感的指标：训练集中哪怕只有一个极端离群值，也会拖垮整个 MSE 分数。

MSE 在机器学习中地位极高，因为它的梯度与误差成正比——误差大时梯度大、更新步长大，误差小时梯度小、更新平缓，这让梯度下降优化过程非常顺滑。许多算法（如线性回归最小二乘法）天然就在优化 MSE。当业务场景要求“绝对不能出大错”——比如风控模型把坏账率预测成零——MSE 能强有力地惩罚这种灾难性失误。

但如果你在意的只是“整体趋势准不准”，某几个异常值会喧宾夺主，MSE 的得分会被少数几次离谱脱靶绑架。

MSE=1n∑i=1n( yi−y^i )2\displaystyle MSE = \frac{1}{n}\sum_{i=1}^{n} (\,y_i - \hat{y}_i\,)^2
  1. 计算偏离量第 i 个样本真实值与预测值的差。
    yi−y^i\displaystyle y_i - \hat{y}_i
  2. 平方运算把偏离量平方，负数也变正数，同时让大偏离量被放大。
    ( yi−y^i )2\displaystyle (\,y_i - \hat{y}_i\,)^2
  3. 求和把所有样本的平方误差累加。
    ∑i=1n( yi−y^i )2\displaystyle \sum_{i=1}^{n} (\,y_i - \hat{y}_i\,)^2
  4. 取平均除以 n，得到平均平方误差，相当于每支箭“平均被放大了多少的平方”。
    1n∑i=1n( yi−y^i )2\displaystyle \frac{1}{n}\sum_{i=1}^{n} (\,y_i - \hat{y}_i\,)^2

RMSE 均方根误差

MSE 有个尴尬的问题：它把误差做了平方，单位也跟着变成了“平方米”、“平方元”。裁判报分时说“这轮平均偏了 16 平方米”，听的人一脸茫然。RMSE 就是在 MSE 的基础上开一个根号，把单位还原回原始量纲，让大家能直观地理解“平均偏了 4 米”。

RMSE 与 MSE 共享同一套“平方惩罚”逻辑，只是在最后多了一步开根号。它保留了对大误差的敏感度，又解决了可解释性问题，因此在工程报告中十分常见。

RMSE 和 MAE 经常被放在一起比较：两者单位相同、语义相似，但 RMSE 比 MAE 更“警觉”——它会给大偏差更重的扣分。当数据中的离群值较少且不显著时，RMSE 与 MAE 数值接近；一旦出现极端离群值，RMSE 会明显大于 MAE，两者的差距本身就是数据中存在大误差的信号。在射箭比赛中，RMSE 是一个“既保留赛制严肃性、又让成绩单易于阅读”的裁判。

只是要记住：RMSE 虽然可读，但它对离群值的敏感度与 MSE 一脉相承，数据中混杂严重异常值时，RMSE 会被少数几支“歪箭”大幅抬高。

RMSE=1n∑i=1n( yi−y^i )2\displaystyle RMSE = \sqrt{\frac{1}{n}\sum_{i=1}^{n} (\,y_i - \hat{y}_i\,)^2}
  1. 平方误差累加与 MSE 相同，先对每个偏差平方并求和。
    ∑i=1n( yi−y^i )2\displaystyle \sum_{i=1}^{n} (\,y_i - \hat{y}_i\,)^2
  2. 取平均除以 n，得到平均平方误差，即 MSE。
    1n∑i=1n( yi−y^i )2\displaystyle \frac{1}{n}\sum_{i=1}^{n} (\,y_i - \hat{y}_i\,)^2
  3. 开平方根把“平方量纲”还原成与 y 一致的量纲，得到 RMSE。
    1n∑i=1n( yi−y^i )2\displaystyle \sqrt{\frac{1}{n}\sum_{i=1}^{n} (\,y_i - \hat{y}_i\,)^2}

R² 决定系数

前面几个指标都在丈量“偏差的绝对值”，但“偏差 5 厘米”到底算好还是不好？如果靶心本身在漂移，答案就不同了。R² 换了一个视角：不比绝对误差，比“你的模型比一个只会射平均值的傻小子强多少”。

这个“傻小子”就是均值预测模型——它不看任何特征，每次预测都输出目标的平均值。它的误差称为总平方和 $SS_{tot}$，代表了数据本身的波动性。你的模型产生的误差称为残差平方和 $SS_{res}$。R² 衡量的是：你比均值模型少犯了多少错？

R² 的直觉理解：R² = 0 表示你的模型和“瞎蒙均值”打成平手；R² = 1 表示模型完美解释了所有波动；R² = 0.8 表示模型解释了 80% 的波动，只剩下 20% 的噪声没抓住。更有意思的是 R² 可以为负——当模型比均值预测还差时，R² 会变成负数，说明你的箭术连“盲射平均值”都不如。

但 R² 有个隐蔽的毛病：只要不断增加特征，R² 几乎不会下降。哪怕加进一个完全无关的“天气湿度”去预测房价，R² 也可能微微上涨——模型开始死记硬背训练数据中的噪声了。赛场上，这相当于给射手多塞几支箭，总有一支蒙得更近，但真实水平并没有提升。

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}
  1. 残差平方和模型预测值与真实值之差的平方和，代表模型没解释掉的误差。
    SSres=∑i=1n( yi−y^i )2\displaystyle SS_{res} = \sum_{i=1}^{n} (\,y_i - \hat{y}_i\,)^2
  2. 总平方和真实值与均值 $\bar{y}$ 之差的平方和，代表数据固有的波动总量。
    SStot=∑i=1n( yi−yˉ )2\displaystyle SS_{tot} = \sum_{i=1}^{n} (\,y_i - \bar{y}\,)^2
  3. 计算占比并取补1 减去比值，得到“被模型解释掉的方差占比”。
    R2=1−SSresSStot\displaystyle R^2 = 1 - \frac{SS_{res}}{SS_{tot}}

调整 R²

既然 R² 会对“多加特征”心慈手软，裁判需要一套更严格的规则：如果这轮比赛你带了很多没用的箭（冗余特征），就要扣掉一些印象分。调整 R² 正是在 R² 的基础上引入特征数量的惩罚项，让模型不敢随意堆砌特征。

它的核心思想是：R² 的提升必须足够显著，超过“多一个特征带来的虚假红利”，才配得上分数上涨。特征数 k 越多、样本数 n 越少，惩罚力度越大。

调整 R² 的价值在模型比较时体现得淋漓尽致：两个模型做预测，一个用了 5 个特征，另一个堆了 50 个特征。后者的 R² 可能略高，但调整 R² 会坚定地站在“简洁有效”的一边，告诉你：多出来的 45 个特征没有带来实质性的解释力提升，分数该打回原形。在特征工程和模型选择阶段，调整 R² 是一面抵御过拟合的镜子。

不过要注意，调整 R² 仍然建立在平方误差之上，它惩罚的是“多余特征”而非“异常值”——当数据中有极端离群值时，调整 R² 同样会被大误差带偏。

Rˉ2=1−(1−R2) n−1n−k−1\displaystyle \bar{R}^2 = 1 - (1 - R^2)\,\frac{n - 1}{n - k - 1}
  1. 未解释比例$1 - R^2$ 表示模型没有解释掉的方差比例，R² 越高这个值越小。
    1−R2\displaystyle 1 - R^2
  2. 自由度修正系数$\frac{n-1}{n-k-1}$ 中，n 是样本数，k 是特征数，特征越多分母越小，修正系数越大。
    n−1n−k−1\displaystyle \frac{n - 1}{n - k - 1}
  3. 相乘后取补用修正系数放大未解释比例，再用 1 减去，得到惩罚后的分数。
    Rˉ2=1−(1−R2) n−1n−k−1\displaystyle \bar{R}^2 = 1 - (1 - R^2)\,\frac{n - 1}{n - k - 1}

MAPE 与 sMAPE

前面几个指标的值都是“带单位的数值”：偏差 10 万日元、偏差 3 个点——业务方听到了一头雾水。MAPE 把误差转换成百分比，让非技术人员也能立刻理解预测的相对准确度。它问的问题是：相对于真实目标，平均偏差了百分之几？

MAPE 的计算方式是：每个样本的绝对误差除以真实值，得到一个百分比，再对所有样本求平均。但这个方法暗藏一个雷：当真实值接近 0 时，这个比例会爆炸成天文数字。为了避免这种偏向，sMAPE 用“真实值与预测值的平均值”作分母，让正偏差和负偏差得到对称的惩罚。

在电商销量预测中，MAPE 是说“这个月平均每个单品的销量预测偏差了 8%”——业务方一听就懂，马上能判断这个模型能不能上线。sMAPE 则更适合“预测值有时小于真实值、有时大于真实值”的场景，它避免了下滑偏差被系统性放大的问题。但两者都要求数据中真实值不能为 0，否则整除会引发无穷大。

在射箭赛场上，MAPE 是给观众席的解说员：不报“偏了 2.3 米”，而是说“距离靶心 100 米处偏了 2.3%”——直观、亲切，但也正因为依赖靶心距离，目标太小时它的声音会变得异常刺耳。

MAPE=100%n∑i=1n∣yi−y^iyi∣\displaystyle MAPE = \frac{100\%}{n}\sum_{i=1}^{n}\left|\frac{y_i - \hat{y}_i}{y_i}\right|
sMAPE=100%n∑i=1n∣yi−y^i∣(∣yi∣+∣y^i∣)/2\displaystyle sMAPE = \frac{100\%}{n}\sum_{i=1}^{n}\frac{|y_i - \hat{y}_i|}{(|y_i| + |\hat{y}_i|)/2}
  1. 相对误差MAPE 将每个样本的绝对误差除以真实值 $y_i$，得到偏差占真实值的比例。
    ∣yi−y^iyi∣\displaystyle \left|\frac{y_i - \hat{y}_i}{y_i}\right|
  2. 百分比化并平均乘以 100% 并除以样本数 n，得到平均百分比误差。
    100%n∑i=1n\displaystyle \frac{100\%}{n}\sum_{i=1}^{n}
  3. 对称分母sMAPE 将分母换成 $|y_i|$ 与 $|\hat{y}_i|$ 的平均值，使正负偏差被一致对待。
    ∣yi−y^i∣(∣yi∣+∣y^i∣)/2\displaystyle \frac{|y_i - \hat{y}_i|}{(|y_i| + |\hat{y}_i|)/2}

指标选型实战

不同比赛需要不同计分表。同样，回归任务中不存在“万能指标”，选哪个指标取决于你关心哪类错误。这一节把前面所有指标放进实战天平上，帮你快速决策。

如果业务上“大错”和“小错”同等严重，MAE 是稳定之选；如果“大错”绝对不能容忍，MSE 或 RMSE 能把灾难性失误暴露无遗；如果客户和老板需要可解释的报告，MAPE/sMAPE 用百分比直击人心；如果要判断模型整体解释力、向技术评审汇报模型价值，R² 和调整 R² 是必备的标尺。实践中往往组合使用多个指标：用 RMSE 看训练收敛，用 MAE 看真实平均偏差，再用 R² 评估模型相对均值预测的提升。

最后牢记三个实战准则：第一，离群值多且无业务意义时，优先 MAE；第二，特征数变化显著的模型比较，必须看调整 R²；第三，涉及零值或近零值数据时，警惕 MAPE。射箭比赛结束时，最好的裁判不会只报一个分数——他会同时告诉你平均偏离距离、最差的一箭有多偏、以及你比普通人强多少。一套组合指标，才是对模型最完整的判决书。

指标选择=f(业务容忍度, 数据离群度, 沟通对象)\displaystyle 指标选择 = f(\text{业务容忍度},\ \text{数据离群度},\ \text{沟通对象})
  1. 业务容忍度明确“多大的误差会带来不可接受的损失”，决定是否采用平方惩罚。
    不可接受误差阈值\displaystyle \text{不可接受误差阈值}
  2. 数据离群度检查数据中是否存在极端值，选择鲁棒指标规避异常值绑架。
    离群值占比\displaystyle \text{离群值占比}
  3. 沟通对象面向技术评审用 R²，面向业务方用 MAPE，平衡可解释性与严谨性。
    报告受众层次\displaystyle \text{报告受众层次}

AI 应用场景

房价预测模型评估

阶段：模型评估与选择

解决的问题：二手房价格预测中，个别豪宅（如上亿元的交易）是天然离群值。若只看 MSE，模型为了迁就这些极端样本，会在普通房源上表现大跌；业务方真正关心的是“绝大多数房子的估价偏差”，而非被少数豪宅绑架的平方误差。

具体案例：某房产平台训练房价模型时，对比了 MSE 与 MAE 两个指标。用 MSE 评估时模型得分很高，但上线后发现普通小区的估价普遍偏低——因为模型把精力花在拟合豪宅上了。改用 MAE 作为主要评估指标后，普通房源的估价中位偏差从 7% 降到 4.2%，同时配合 R² 监控整体解释力，确保了模型全局稳定。

电商销量预测的业务沟通

阶段：模型评估与汇报

解决的问题：销量预测的误差单位是“件”，老板无法直观判断“平均偏差 300 件”到底是好是坏。用 MAPE 转换为“平均偏差 12%”，业务团队立刻能把控备货与库存风险。

具体案例：某零售公司的需求预测模型，每周对 5000 个 SKU 做销量预测。工程师同时计算 MAE 与 MAPE，发现整体 MAE 较低但部分低销量单品的 MAPE 高达 80%——因为真实值接近 0 时百分比放大。团队于是改用 sMAPE 并剔除近零销量样本，最终给供应链输出的报告用“预测准确率 88%”呈现，得到业务方认可。

Python 演示

python52 行
import numpy as np  def regression_metrics(y_true, y_pred, n_features=0):    y_true = np.asarray(y_true, dtype=float)    y_pred = np.asarray(y_pred, dtype=float)    n = len(y_true)     mae = np.mean(np.abs(y_true - y_pred))    mse = np.mean((y_true - y_pred) ** 2)    rmse = np.sqrt(mse)     ss_res = np.sum((y_true - y_pred) ** 2)    ss_tot = np.sum((y_true - np.mean(y_true)) ** 2)    r2 = 1 - ss_res / ss_tot     denom = n - n_features - 1    adj_r2 = 1 - (1 - r2) * (n - 1) / denom if denom > 0 else float("nan")     mask = y_true != 0    mape = np.mean(np.abs((y_true[mask] - y_pred[mask]) / y_true[mask])) * 100     smape = np.mean(2 * np.abs(y_pred - y_true) / (np.abs(y_true) + np.abs(y_pred))) * 100     return {        "MAE": mae,        "MSE": mse,        "RMSE": rmse,        "R2": r2,        "Adjusted_R2": adj_r2,        "MAPE": mape,        "sMAPE": smape,    }  if __name__ == "__main__":    rng = np.random.default_rng(42)    x = np.linspace(0, 10, 50)    y_true = 2 * x + 1    y_perfect = y_true    y_mean = np.full_like(y_true, np.mean(y_true))    y_noisy = y_true + rng.normal(0, 3, size=len(y_true))     cases = [        ("完美模型", y_perfect, 1),        ("均值模型", y_mean, 0),        ("带噪声模型", y_noisy, 1),    ]    for name, pred, k in cases:        print("==== " + name + " ====")        for key, val in regression_metrics(y_true, pred, n_features=k).items():            print("  {}: {:.4f}".format(key, val))
目的：一段通用回归评估脚本，输入真实值与预测值，一键输出 MAE、MSE、RMSE、R²、调整 R²、MAPE、sMAPE 七个指标，方便横向对比不同模型。
  1. import numpy as np引入 NumPy，用向量化运算计算所有指标，避免手写循环。
  2. mae = np.mean(np.abs(y_true - y_pred))先算绝对误差再取平均，这是 MAE 的核心公式。
  3. mse = np.mean((y_true - y_pred) ** 2)先平方再取平均，MSE 由此放大偏差大的样本。
  4. ss_tot = np.sum((y_true - np.mean(y_true)) ** 2)总平方和，代表数据本身的波动总量，R² 的分母。
  5. r2 = 1 - ss_res / ss_totR² 表示模型解释了多少比例的方差，低于 0 说明模型不如均值预测。
  6. denom = n - n_features - 1自由度计算，特征越多分母越小，调整 R² 的惩罚越大。
  7. mape = np.mean(np.abs((y_true[mask] - y_pred[mask]) / y_true[mask])) * 100用 mask 剔除真实值为 0 的样本，避免除以零。
  8. smape = np.mean(2 * np.abs(y_pred - y_true) / (np.abs(y_true) + np.abs(y_pred))) * 100sMAPE 用对称分母，正负偏差惩罚一致。
  9. y_mean = np.full_like(y_true, np.mean(y_true))构造“均值模型”作为对照基准，R²=0 的参照系。
  10. for name, pred, k in [...]; cases用三种模型做对比，直观展示指标如何区分模型好坏。

常见误区

误区我以为 R² 从 0 到 1，数值越大就代表模型越精准，R² 0.98 的模型一定比 0.85 的好，直接上线就行。

正解R² 只能说明模型相对均值预测的解释力，不能说明绝对误差可接受。更重要的是，R² 对新增特征极其宽容，堆入无关特征往往会让 R² 虚高。出现 R² 高但误差也高的情况，往往是模型已过拟合训练集的噪声。必须结合 MAE/RMSE 看绝对偏差，用调整 R² 看特征有效性。

为何常见：R² 是比例值、天然在 0~1 之间有“分数感”，容易让人误以为它是模型精度的万能度量，忽略了它只在基准对比层面有效。

误区既然 MSE 对误差敏感、梯度顺滑，很多教程也推荐它做损失函数，那我就一直用 MSE 评估所有回归模型。

正解指标和损失函数是两回事。MSE 适合在训练中做优化信号，因为它能推动模型快速收敛；但在评估时，MSE 会被离群值绑架。一个离群样本的平方误差可能占到总 MSE 的一半，导致模型 A 和模型 B 的差距其实全靠一个异常点决定。若离群值不代表业务关注的重点，MAE 更能反映整体真实水平。

为何常见：人们容易把“训练时常用的损失函数”直接等同于“评估指标”，忽略了评估的目的是衡量真实业务表现，而非优化数学目标。

误区MAPE 直接给百分比，业务方爱听，那我就把 MAPE 作为所有预测任务的统一评估指标。

正解MAPE 的致命弱点是真实值不能接近 0。销量为 0 或极低时，哪怕绝对误差只有一点点，百分比也会被放大到无限大。此时 MAPE 会严重高估整体误差，把好模型误判成差模型。解决方式是改用 sMAPE、剔除近零样本，或配合 MAE 一起看。

为何常见：百分比误差在小数值场景下会产生剧烈波动，但这个数学事实对习惯了“百分比更好懂”的直觉来说并不显眼。

误区RMSE 和 MAE 单位一样，数值也差不多，比赛时随便选一个就行。

正解RMSE 是“先平方、再平均、再开根”，它的量纲和 MAE 一致，但惩罚逻辑完全不同。当存在一个极端偏差时，RMSE 会被明显抬高，MAE 却不受太大影响。两者之差正是判断数据中是否隐藏大偏差的信号——RMSE 明显大于 MAE 时，说明模型在某几个样本上错得离谱，需要排查离群值成因。

为何常见：看到“根号”就直觉觉得是把单位换回去，忽略了平方运算在根号之前已经改写了每个误差的权重。

面试题

Q1. 在回归评估中，以下哪个指标对大误差的惩罚最重？

单选题 · easy

  • A.MSE 平方惩罚放大误差← 正确答案
  • B.MAE 绝对值一视同仁
  • C.RMSE 还原原始量纲
  • D.R² 只衡量方差占比

答案：A。MSE 对每个误差做平方，误差越大被放大得越厉害，因此对大误差惩罚最重。MAE 用绝对值线性计分，RMSE 虽开根号但惩罚逻辑仍来自平方，R² 则是对比均值模型的解释力指标，不直接衡量绝对惩罚。

Q2. 关于 R² 的取值范围，下列说法正确的是？

单选题 · easy

  • A.只会落在 0 到 1 之间
  • B.有可能取到负值← 正确答案
  • C.最小值被限制为 0
  • D.只可能等于 0 或 1

答案：B。R² 是 $1 - SS_{res}/SS_{tot}$，当模型比均值预测还差时，$SS_{res} > SS_{tot}$，R² 即为负数。R²=0 表示与均值预测持平，R²=1 表示完美拟合，但并无 [0,1] 的下界限制。

Q3. 两个回归模型相比，模型 A 的 R²=0.8，模型 B 的 R²=0.6，最合理的解读是？

单选题 · mid

  • A.模型 A 误差是模型 B 的 60%
  • B.模型 A 解释了 80% 数据波动← 正确答案
  • C.模型 B 解释了 60% 的异常值
  • D.模型 A 完全优于模型 B

答案：B。R² 表示模型解释的方差占比，R²=0.8 意味着模型解释了 80% 的数据波动，而不是误差缩小到 80%。它不反映绝对误差大小，也不涉及异常值比例，且没有结合特征数量和业务场景时不能断言“完全优于”。

Q4. 当数据中有极端离群值时，哪些指标会受到显著影响？

多选题 · mid

  • A.MSE 受平方放大影响← 正确答案
  • B.RMSE 继承平方敏感← 正确答案
  • C.MAE 线性平均抗干扰
  • D.MAPE 无任何影响

答案：AB。MSE 和 RMSE 因对误差做平方，离群值会被大幅放大；MAE 使用绝对值，只按原始偏差线性计入，受离群值影响较小。MAPE 虽然在真实值近零时会不稳定，但并不意味着对离群值免疫，故不能选 D。

Q5. 调整 R² 相比普通 R² 的核心改进是什么？

单选题 · mid

  • A.对噪声样本加权平均
  • B.增加特征数量惩罚项← 正确答案
  • C.改用绝对值计算误差
  • D.自动剔除离群数据

答案：B。调整 R² 在 R² 基础上引入特征数 k 的惩罚，特征越多自由度越小，模型必须解释更多方差才能维持分数，从而防止堆砌无用特征导致 R² 虚高。它不涉及噪声加权、绝对值或离群剔除。

Q6. 下列说法中，对 MAE 的描述正确的是？

单选题 · easy

  • A.对大误差进行平方惩罚
  • B.对离群点相对鲁棒← 正确答案
  • C.只适用于分类任务
  • D.永远大于 RMSE

答案：B。MAE 用绝对值对误差线性求和，单个极端误差不会无限放大，因此对离群点较鲁棒。它用于回归任务而非分类；在存在离群值时 MAE 通常小于 RMSE，但并非严格永远大于，故 A、C、D 均不对。

Q7. 关于 MAPE 的局限性，以下表述正确的有？

多选题 · mid

  • A.真实值为零时数学上无定义← 正确答案
  • B.低销量样本会拉高整体误差← 正确答案
  • C.正负偏差会被完全抵消
  • D.结果无法转化为百分比

答案：AB。MAPE 除以真实值 $y_i$，$y_i=0$ 时分母为零无定义；真实值很小时百分比会被极度放大，低销量样本因此绑架整体分数。MAPE 使用绝对值，正负偏差不会抵消，且结果本身就是百分比，故 C、D 错误。

Q8. 在特征数量不断增加时，可能出现的情况是？

单选题 · hard

  • A.调整 R² 上升但 R² 下降
  • B.R² 上升但调整 R² 下降← 正确答案
  • C.调整 R² 与 R² 同步下降
  • D.R² 保持不变而调整 R² 上升

答案：B。新增特征即使毫无解释力，也会让 R² 微升或持平；而调整 R² 的惩罚项随 k 变大而加重，若解释力提升不显著，调整 R² 会下降。A、C、D 描述的组合与这个机制矛盾。

Q9. 下列哪些场景适合优先使用 RMSE 作为评估指标？

多选题 · hard

  • A.预测误差必须控制到最小← 正确答案
  • B.需要向业务方传达直观百分比
  • C.单位与预测值一致更好解读← 正确答案
  • D.希望完全忽略离群值影响

答案：AC。RMSE 对大误差惩罚明显、能在优化中有效控制极端偏差，且开根号后单位与预测值一致，便于技术报告解读。它不擅长用百分比呈现（那是 MAPE），也不会忽略离群值（它恰恰对离群值敏感），故 B、D 不选。

Q10. 房价预测任务中，数据包含少量价值极高的豪宅，业务方最关心普通住宅的估价准确性，应该优先看哪个指标？

单选题 · mid

  • A.MSE 体现平均平方损失
  • B.MAE 防止豪宅离群值绑架← 正确答案
  • C.MAPE 放大低总价误差
  • D.R² 衡量真实解释力度

答案：B。豪宅作为天然离群值，会大幅抬高 MSE 和 RMSE，把模型评估变成“少数豪宅游戏”。MAE 用绝对值计分，离群值只是线性贡献，不会绑架总分，更适合反映普通住宅的平均偏差。MAPE 在总价高的豪宅上百分比反而小，不能解决问题；R² 不直接反映绝对误差。