Нет единого мнения о том, какие метрики оценки качества для решения задач регрессии наиболее эффективны. Выбор зависит от условий задачи и других факторов. 1

Некоторые метрики, которые используются:

• Средняя абсолютная ошибка (MAE). 24 Представляет собой сумму абсолютных различий между прогнозами и фактическими значениями. 4
• Средняя квадратическая ошибка (MSE). 24 Даёт общее представление о величине ошибки. 4
• Корень из среднеквадратической ошибки (RMSE). 2 Показывает, на какое значение в среднем предсказание отличается от истинного значения. 1 Измеряется в единицах целевого признака, поэтому его легче интерпретировать, чем MSE. 1
• Коэффициент детерминации (R²). 14 Показывает, в скольких процентах случаев предсказание модели точнее, чем среднее значение целевого признака. 1

Эффективность метрик зависит от условий, например, от объёма аномальных данных в датасете. 1 Задача дата-сайентиста — подобрать метрику, которая объективно отражает качество модели. 1