1. 回归指标

1. MAE（平均绝对误差）

  - 特点：对数据分布的中值进行拟合，很好的刻画预测值与真值之间的偏差
  - 缺点：    
        - 不适用于要求损失函数有二阶导数的模型（XGB、LGB）
        - 梯度始终较大（常数），当误差较小时不易得到最优解

2. MSE（均方误差）

  - 特点：二阶可导，对大误差有更大惩罚
  - 缺点：对离群点敏感，健壮性不如MAE

3. Huber

  - 特点：
        - 误差大时使用MAE，增强鲁棒性
        - 误差小时使用MSE，容易收敛到最优解
  - 缺点：需要调节超参数

2. 排序指标

1. MAP（平均准确率均值）

平均准确率：

平均准确率均值：

  - 特点：位置敏感
  - 缺点：仅考虑二元相关性（要么相关1，要么不相关0）

2. NDCG（归一化折损累计收益）

累计收益：

折损累计收益：

理想折损累计收益：

归一化折损累计收益：

  - 特点：
        - 位置敏感
        - 相比MAP相关性只用0/1二值描述，NDCG相关性度量可分为多等级，使评分更丰富