6.2.2 外部验证指标：R²、RMSE、MAE、MCC (马修斯相关系数)

文档摘要

6.2.2 外部验证指标：R²、RMSE、MAE、MCC (马修斯相关系数) 在模型开发的漫长征途上，训练阶段常如一场精心编排的独舞——数据在眼前翩跹，损失函数稳步下降，准确率节节攀升。可当聚光灯移开，模型步入真实世界那不可控、不均匀、不完美的舞台时，它是否还能稳住节奏？这正是外部验证（External Validation）所叩问的核心：模型不是在训练集上“学会表演”，而是在未知数据中“真正生存”。而衡量这场生存能力的标尺，绝非一句模糊的“效果不错”，而是由R²、RMSE、MAE、MCC这四把精密刻度各异的“校准卡尺”共同构成的评估矩阵。它们不是并列的备选项，而是针对不同任务类型、不同误差敏感性、不同类别分布鲁棒性所设计的互补性诊断工具。