RMSE 越小越好
根据经验法则，可以说RMSE值在0.2 ~ 0.5之间，说明该模型能够较准确地预测数据。此外，校正后的r平方大于0.75是一个很好的值来显示准确度。在某些情况下，调整后的r平方值为0.4或更多也是可以接受的
均方误差越大越好_常用度量--MAE(平均绝对误差常用度量--MAE(平均绝对误差)和RMSE(均方根
<>常用度量–MAE(平均绝对误差)和RMSE(均方根误差)
MAE和RMSE是关于连续变量的两个最普遍的度量标准。
<>定义
1)我们看看最流行RMSE，全称是Root Mean Square Error，即均方根误差，它表示预测值和观测值之间差异(称为残差)的样本标准偏差。
均方根误差为了说明样本的离散程度。做非线性拟合时,RMSE越小越好。
标准差与均方根误差的区别：
标准差是用来衡量一组数自身的离散程度，而均方根误差是用来衡量观测值同真值之间的偏差，它们的研究对象和研究目的不同，但是计算过程类似。
例如:S={[(x1-x)2+(x2-x)2+…(xn-x)2]/N}
0.5(x为平均数，N为样本个数)此公式中的X也就是所谓的平均数应改为x’1,x’2…(即真实值)。均方根误差算的是观测值与其真值，或者观测值与其模拟值之间的偏差，而不是观测值与其平均值之间的偏差。
2)MAE，全称是Mean Absolute Error，即平均绝对误差，它表示预测值和观测值之间绝对误差的平均值。
MAE是一种线性分数，所有个体差异在平均值上的权重都相等，比如，10和0之间的绝对误差是5和0之间绝对误差的两倍。
