您在此处：
适用于数字用例的整体性能选项卡
整体性能选项卡显示了关键指标和模型质量的度量。
备注 Einstein Discovery 数据趋势图现在是模型。我们希望可以随时随地更新名称，但是在我们替换之前，您可能会在一些地方看到以前的名称。
导航到整体性能选项卡
在性能中,单击模型评估，然后单击整体性能。
摘要度量
| 度量 | 描述 |
|---|---|
R2 |
R2 衡量模型解释结果变化的能力，这是模型预测性的指标。 范围：
|
| MAE | 平均绝对误差。测量实际值与预测之间的绝对差。所有差值将在此平均值中平等加权，这表示不如 MSE 对异常值敏感。 |
| RMSE | 均方根误差。代表 MSE 的平方根（均方误差，即模型预测的平均方误差）。RMSE 会测量模型预测的值与观察值之间的差值。您可以将 RMSE 视为“误差的标准偏差”。 |
预测值与实际值
使用此散点图，以直观比较模型的预测结果与实际结果。这些点离回归线越近，模型就越精确。
残差
使用此散点图可以按预测值查看实际值和预测值之间的差异（残差）。这些点必须随机分布。Y 轴上的 0 点代表完全正确的预测，而高于 0 的点太低，低于 0 的点太高。
选择您想要查看的残差类型。残差显示实际和预测值之间的差异，或者原始残差值。标准化残差显示原始残差值除以标准偏差。
提示 标准化残差有助于识别异常值。
适用于标准化残差的正态 QQ 图
对于回归模型，其中一个关键假设是结果变量的剩余误差呈正态分布。使用 QQ（分位数-分位数）图快速检查这一假设，并确定残差是否以及如何偏离正态分布。
如果 QQ 图显示剩余误差近似线性，您可以确信模型满足正态分布假设。
另请参阅：
本文章是否解决您的问题？
请与我们共享您的想法，以便我们进行改进！
