应该选择哪种测量来比较两个回归模型？

修改一个学习算法（具体来说，一个回归算法，我们称之为M1）生成另一个学习算法M2后，如何验证上述修改是否有效？

这就是我所做的（使用 10 倍交叉验证）

我选择MSE作为唯一的度量，在每次运行时，对于M1和M2，计算训练集和测试集的MSE。

结果表明：

• 10 次运行的训练集的平均 MSE：M2 < M1
• 10 次运行的测试集的平均 MSE：M2 < M1

问题：

根据上面的列表，我们是否可以得出M2优于M1的结论？因此，算法M1的修改是有效的（至少在这个数据集上）？

或者：

我错过了其他一些重要的测量吗？有比较两个回归模型的经验法则吗？