残差平方和（RSS）
统计学上把数据点与它在回归直线上相应位置的差异称为残差，把每个残差平方之后加起来 称为残差平方和（相当于实际值与预测值之间差的平方之和）。它表示随机误差的效应。一组数据的残差平方和越小,其拟合程度越好。
残差平方和是在线性模型中衡量模型拟合程度的一个量，用连续曲线近似地刻画或比拟平面上离散点组，以表示坐标之间函数关系的一种数据处理方法。
均方误差(MSE)
均方误差是指参数估计值与参数真值之差平方的期望值
在样本量一定时，评价一个点估计的好坏标准使用的指标总是点估计与参数真值 的距离的函数，最常用的函数是距离的平方，由于估计量 具有随机性，可以对该函数求期望，这就是下式给出的均方误差：
MSE可以评价数据的变化程度，MSE的值越小，说明预测模型描述实验数据具有更好的精确度。
均方根误差(RMSE)
均方根误差亦称标准误差
均方误差:均方根误差是均方误差的算术平方根
平均绝对误差(MAE) :Mean Absolute Error
平均绝对误差是绝对误差的平均值
平均绝对误差能更好地反映预测值误差的实际情况
标准差SD(Standard Deviation)
Standard Deviation ，标准差是方差的算数平方根.是用来衡量一组数自身的离散程度.
