我读过一些文献提到RMSE、MAE和MSE可以用来衡量模型的准确性，标准差可以用来衡量精度。他们还将标准偏差（std，std equation）定义为预测结果与预测结果平均值的偏差的度量。我的问题是 std 因此取决于真实数据，因为如果真实数据具有高 std（例如 10），我们可以预期具有高 std（例如 10.2）的预测值将比真实数据更接近真实数据较低的（例如，5.5），那么较高的将比较低的更好。
所以看起来这个标准不是评估模型精度的合适标准。R 平方似乎可用于评估回归模型的精度（https://onlinelibrary.wiley.com/doi/pdf/10.1002/9781119449515.app1），但对于非线性模型，我不确定是否合适?
有些人使用的另一种是绝对误差的标准差。（https://stats.stackexchange.com/questions/478000/interpretation-of-standard-deviation-and-mean-value-of-mae），它可用于评估预测误差的均匀程度，但似乎已使用非常偶尔。