了解回归问题的开/闭情况，包括如何衡量它，以及如何在 Metabase 中利用它进行仪表板和可视化。
回归问题的开/闭情况是一种机器学习模型评估方法，您可以对其进行可视化，以深入了解回归模型的性能。有许多指标可以用来确定模型的可靠性，但回归模型需要特定的指标才能获得准确的结果。要确定回归模型的准确性会有点困难，因为回归模型的性质与其它类型模型分类的工作方式不同。始终考虑机器学习的准确性和完整性是个好主意，因此对回归模型进行的额外步骤也不例外。查看回归模型的准确性有助于指导改进，请记住，机器学习很少能达到 100% 的准确性，不要陷入过度工作的陷阱。那样会浪费时间和精力。
开始使用
有几种不同的回归模型计算方法可以帮助确定准确性。R 方/调整 R 方 - 解释了因变量的多少变异性可以通过回归模型来解释。均方误差 (MSE) - 用于确定回归模型对因变量的拟合程度。平均绝对误差 (MAE) - 另一种与 MSE 类似的计算方法，对较大的预测误差进行更大的惩罚，而不是平等对待所有误差。所有这些结合起来可以帮助您更深入地了解回归模型的运行情况。
通过将您最重要的指标汇集到单一视图中，让每个人都保持信息同步。
将您的数据嵌入到内部维基、网站和内容中，让数据无处不在。
赋能您的团队，让他们衡量自己的进展，并探索实现目标的新途径。
没错，无需销售电话——只需注册，5 分钟内即可开始使用。
我们连接到最流行的生产数据库和数据仓库。
邀请您的团队并开始构建仪表盘——无需 SQL。
