Regression 評估指標（MAutoEncoder / MSE / RMSE / MAPE）
一句話理解
四種指標看誤差的「角度」不同，MAPE 對數值 scale 最敏感，不能單獨使用。
指標說明
| 指標 | 公式 | 特性 |
|---|---|---|
| MAE（平均絕對誤差） | Σ |error| / n | 不放大大誤差 |
| MSE（均方誤差） | Σ (error²) / n | 放大大誤差，outlier 敏感 |
| RMSE（均方根誤差） | √(Σ error² / n) | 單位與原始資料相同，常用 |
| MAPE（平均絕對百分比誤差） | Σ (|error / y|) × 100% | 看相對誤差，對數值大小敏感 |
重點比較：MAE/MSE/RMSE 相同，MAPE 差很多
例1：誤差固定 +100，但 y 值小（100～500）
- MAE / MSE / RMSE：一樣
- MAPE：❌ 很大（高達 100%）
例2：誤差固定 +100，但 y 值大（10000～50000）
- MAE / MSE / RMSE：一樣
- MAPE：✅ 很小（約 1%）
核心結論（老師重點）
MAE / MSE / RMSE 看「絕對誤差」，不考慮數值大小比例
MAPE 看「相對誤差」，對數值 scale 非常敏感
⚠️ MAPE 不能單獨使用，必須考慮資料的 scale！