在建立多個regression models後，我們常要選擇一個指標來衡量模型好壞，今天來聊聊各個不同的指標～

MSE（Mean Square Error）

MSE主要以平方來避免誤差正負的互相抵銷，但也因為平方的特性，所以當單一bias大的時候會有懲罰作用，也就是說MSE對於極值（outliers)會相對敏感。

RMSE（Root Mean Square Error）

RMSE主要就是MSE拿去取根號，取根號的目的是讓他與y的單位變得一致，所以解釋起來會比較直觀！

MAE（Mean Absolute Error）

抵銷正負誤差的方式，除了平方之外，還有取絕對值，MAE就是取絕對值來計算平均誤差，相對之下對極值比較不敏感，如果training data裡面極值很多，那可以考慮用MAE來當作指標。

MAPE（Mean Absolute Percentage Error）

將誤差轉換為百分比（徹底擺脫單位），主要目的也是解釋起來比較直觀，要記得如果y含有0就不能使用MAPE!