Какие метрики помогают оценить качество линейной регрессии

Основные метрики для оценки линейной регрессии:

1. MSE (Mean Squared Error) – средний квадрат ошибок, чувствителен к выбросам:

from sklearn.metrics import mean_squared_error
mse = mean_squared_error(y_true, y_pred)

2. RMSE (Root MSE) – корень из MSE, интерпретируем в единицах целевой переменной.

3. MAE (Mean Absolute Error) – средняя абсолютная ошибка, менее чувствителен к выбросам.

4. R² (коэффициент детерминации) – доля объясненной дисперсии, от 0 до 1 (1 – идеальная модель).

5. Adjusted R² – скорректированный R² с учетом числа признаков.

Пример расчета:

from sklearn.metrics import r2_score
r2 = r2_score(y_true, y_pred)

Для интерпретируемости лучше использовать R² и MAE, для оптимизации – MSE/RMSE. Всегда смотрите на несколько метрик вместе!