1. ERROR CUADRÁTICO MEDIO -Mide el error cuadrado promedio de nuestras predicciones. Para cada punto, calcula la diferencia cuadrada entre las predicciones y el objetivo y luego promedia esos valores.
2. ERROR LOGARITMICO CUADRATICO MEDIO -Es solo un RMSE calculado en escala logarítmica.
3. R^2 -El coeficiente de determinación, o R², es otra medida que podemos usar para evaluar un modelo y está estrechamente relacionada con la MSE, pero tiene la ventaja de estar libre de escala , no importa si Los valores de salida son muy grandes o muy pequeños, el R² siempre estará entre -∞ y 1.
4. R^2 AJUSTADO -R² muestra qué tan bien los términos se ajustan a una curva o línea. El R2 ajustado también indica qué tan bien se ajustan los términos a una curva o línea, pero se ajusta para el número de términos en un modelo.
5. ERROR ABSOLUTO MEDIO -En MAE el error se calcula como un promedio de las diferencias absolutas entre los valores objetivo y las predicciones. El MAE es una puntuación lineal, lo que significa que todas las diferencias individuales se ponderan por igual en el promedio.
6. ERROR PORCENTUAL ABSOLUTO MEDIO La preferencia de error relativo también se puede expresar con el Error porcentual absoluto medio, MAPE. Para cada objeto, el error absoluto se divide por el valor objetivo, dando un error relativo. MAPE también puede ser pensado como versiones ponderadas de MAE.
7. ERROR DE PORCENTAJE CUADRÁTICO MEDIO -MSPE puede ser pensado como versiones ponderadas de MSE. El peso de su muestra es inversamente proporcional a su cuadrado objetivo. Esto significa que, el costo que pagamos por un error absoluto fijo, depende del valor objetivo y, a medida que aumenta, pagamos menos.
