La MAE (erreur absolue moyenne) est la moyenne des écarts en valeur absolue, dans l'unité de la cible. La RMSE est la racine de la moyenne des carrés des erreurs, qui pénalise davantage les grosses erreurs. Le R² indique la part de variance expliquée par le modèle ; il vaut 1 pour un ajustement parfait.
Exemple
mean_absolute_error(y_test, pred)
root_mean_squared_error(y_test, pred)