Aditya已经在评论中正确提到，因此在评估线性回归模型时首选 RMSE、MSE 或 MAE。因此，为了回答您的问题，我将提供使用 RMSE 和 MAE 的优缺点，并进一步提出为什么不首选 R-squared 的一些观点。

1. MAE 与 RMSE - 哪个指标更好？

理想情况下，这取决于模型的损失函数，最常见的是 L2 - 欧几里德距离（您也可以创建自己的损失函数）。RMSE 对较大的误差赋予相对较高的权重。它不一定随着误差的方差而增加，而是随着误差幅度的频率分布的方差而增加。而MAE相对稳定。

通常情况下，对远离均值的点给予更高的权重会更有意义，在该平均值中，RMSE 是首选的。在偏离平均值任何幅度都会受到同等惩罚的情况下，MAE 将是首选。

在计算不同大小的测试样本时，RMSE 可能会很麻烦（训练模型时就是这种情况）。随着测试样本量的增加（[RMSE] ≤ [MAE * sqrt(n)]），RMSE 有越来越大于 MAE 的趋势。

2. R平方没用吗？（有点苛刻，但对不起不是对不起）

保持简短和简单。

• R-squared 不测量拟合优度。
• R-squared 不测量预测误差。
• R-squared 不允许您使用转换后的响应来比较模型。
• R 平方不衡量一个变量如何解释另一个变量。