评价指标

1. 均方误差（Mean Squared Error, MSE）： 均方误差是衡量模型预测值与实际观测值之间差异的常用指标。计算方法是将每个预测值与相应的观测值之差的平方求和，然后除以观测值的总数量。较小的均方误差表示模型预测的准确性较高。
2. 平均绝对误差（Mean Absolute Error, MAE）： 平均绝对误差是衡量模型预测值与实际观测值之间差异的另一种指标。计算方法是将每个预测值与相应的观测值之差的绝对值求和，然后除以观测值的总数量。与均方误差相比，平均绝对误差对异常值更加稳健。
3. 均方根误差（Root Mean Squared Error, RMSE）： 均方根误差是均方误差的平方根，它与观测值的单位相一致。均方根误差常用于与观测值的量级进行比较。与均方误差相比，均方根误差对较大误差的惩罚更重。
4. 相对误差（Relative Error）： 相对误差是模型预测值与实际观测值之间差异的相对比例。计算方法是将每个预测值与相应的观测值之差除以观测值的绝对值，然后求平均值。相对误差可以帮助判断模型预测的相对准确程度。
5. 决定系数（Coefficient of Determination, R-squared）： 决定系数是衡量时间序列模型对观测值变异性解释程度的指标。它表示模型解释变异性的比例，取值范围为0到1，越接近1表示模型拟合效果越好。

具体可参考准确性评价指标 的回归/时间序列问题