Machine learning 证明多元线性回归模型有效性的良好RMSE（均方根误差）值范围是什么？

我是ML领域的一只新蜜蜂。遵循一些简单的ML技术，我构建了一个基于多元线性回归的ML模型，用于预测系统的计算资源使用情况。因此，当我执行测试时，考虑到我的ML模型，我得到的RMSE值小于7（约为6.632）。所以，我有点好奇，这个值是科学界可以接受的吗？还是价值太高？提前感谢您。

让我给您两个具有相同RMSE值的示例：

• 我试图预测一套公寓的租价，租价通常在500美元到1000美元之间。RMSE值为15$可以被认为是一个非常低的RMS误差，最佳拟合线可以满足我的需要
• 我试图预测下一顿家庭晚餐的价格，价格通常在10美元到25美元之间。同样的RMSE价值为15美元可能会被视为较差，最佳拟合线可能不会令人满意

---

回归问题中许多分数（即RMSE、MAE、MSE）的解释都取决于问题的领域，以及您认为可以接受的内容。除非来自同一个回归问题，否则无法真正比较RMSE分数。

决定RMSE分数是否可靠是目标变量范围的函数，范围越大，RMSE分数越大。话虽如此，人们可能希望检查异常值，因为这些异常值将在很大程度上影响您的RMSE，尽管它们看起来很适合。

RMSE作为一种“平均误差大小”，有效地告诉您回归误差的平均大小。您必须决定，实际上，平均错误大小6.632对于您的目的是否合适。非常感谢您解释RMSE实际上是如何工作的……我真的很感激……我投票结束这个问题，因为它不是本手册中定义的软件开发问题。理论上的ML问题可能更容易理解。