评估指标

机器学习模型训练完成后，需要有指标来评估其好坏，对于回归和分类任务所选取的指标也不同

回归

MSE对异常点相对MAE来说outliers更加敏感，因为他是MAE的平方。

如果预测值y只能取常数，对MSE最优取值是y真实值的均值，对MAE是中位数

MSE和MAE比较时用的都是值得绝对大小，有时我们需要用到相对大小，
比如真实值是10，预测值是9
和真实值是1000，预测值是999
两者都相差1，用MSE和MAE衡量相差都一样，可是他们相差的百分比却不一样，一个是10%，一个是0.1%，这种用百分比就是MSPE，MAPE，MSLE

分类

Loss和Metric区别：
metric是用来衡量模型优劣的指标，是我们需要优化的目标，但不是所有指标都能直接优化，loss解决的就是这个问题，loss就是模型需要优化什么，或者说优化所使用的的函数。

Regression metrics optimization

以下模型可以对MSE，RMSE，R2优化
以下可以针对MAE优化

Classification metrics optimization