Для каких задач лучше всего подходят различные метрики регрессии

MAE (Mean Absolute Error) подходит, когда важна интерпретируемость и устойчивость к выбросам. MSE (Mean Squared Error) чувствительна к выбросам, но полезна, когда большие ошибки критичны. RMSE (Root MSE) имеет ту же шкалу, что и целевая переменная. R² (коэффициент детерминации) показывает долю объяснённой дисперсии, удобен для сравнения моделей.

Пример:

from sklearn.metrics import mean_absolute_error, mean_squared_error, r2_score

y_true = [3, -0.5, 2, 7]
y_pred = [2.5, 0.0, 2, 8]

print(f"MAE: {mean_absolute_error(y_true, y_pred)}")
print(f"MSE: {mean_squared_error(y_true, y_pred)}")
print(f"R²: {r2_score(y_true, y_pred)}")