公式：
MSE
=
1
n
∑
i
=
1
n
(
y
i
−
y
^
i
)
2
\text{MSE} = \frac{1}{n} \sum_{i=1}^{n} (y_i - \hat{y}_i)^2
MSE=n1∑i=1n(yi−y^i)2
描述：MSE 是预测值与实际值之间差值的平方的平均值，敏感于异常值。
均方根误差（Root Mean Squared Error, RMSE）:
公式：
RMSE
=
1
n
∑
i
=
1
n
(
y
i
−
y
^
i
)
2
\text{RMSE} = \sqrt{\frac{1}{n} \sum_{i=1}^{n} (y_i - \hat{y}_i)^2}
RMSE=n1∑i=1n(yi−y^i)2
描述：RMSE 是 MSE 的平方根，更直观地反映了误差的尺度，适合对预测误差进行量化。
平均绝对误差（Mean Absolute Error, MAE）:
公式：
MAE
=
1
n
∑
i
=
1
n
∣
y
i
−
y
^
i
∣
\text{MAE} = \frac{1}{n} \sum_{i=1}^{n} |y_i - \hat{y}_i|
MAE=n1∑i=1n∣yi−y^i∣
描述：MAE 是预测值与实际值之间差值的绝对值的平均值，比 MSE 对异常值的影响更小。
R²（决定系数）:
公式：
R
2
=
1
−
∑
i
=
1
n
(
y
i
−
y
^
i
)
2
∑
i
=
1
n
(
y
i
−
y
ˉ
)
2
R^2 = 1 - \frac{\sum_{i=1}^{n} (y_i - \hat{y}_i)^2}{\sum_{i=1}^{n} (y_i - \bar{y})^2}
R2=1−∑i=1n(yi−yˉ)2∑i=1n(yi−y^i)2
