评估问题中的指标包括：平均绝对误差(MAE)、均方误差(MSE)、决定系数(R-Square)、平均绝对百分比误差(MAPE)和均方根误差(RMSE)。

简介：
MAE、MSE、R-Square、MAPE和RMSE是用于评估预测模型性能的常用指标。首先，平均绝对误差（Mean Absolute Error, MAE）的数值越大，则表明预测误差越大。其次，均方误差（Mean Squared Error, MSE）的数值同样越大，代表着预测结果与真实值之间的差异程度越高。值得注意的是，SSE（平方和），也称为方差，与MSE之间存在一个重要的关系：SSE等于n乘以MSE，二者实际上反映了相同的预测误差情况。最后，均方根误差（Root Mean Square Error, RMSE）是MSE的算数平均根误差的平方根，其数值越大，则表示预测结果与真实值之间的偏差也越大。此外，平均绝对百分比误差（Mean Absolute Percentage Error, MAPE）需要特别注意当真实值包含零或负数时可能出现的特殊情况。