在回归问题中，验证指标是用来评估回归模型性能的一组统计量。以下是几种常见的回归问题验证指标：
1.SSE（误差平方和）：SSE是拟合数据和原始数据对应点的误差的平方和。SSE数值大小本身没有意义，随着样本增加，SSE必然增加，也就是说，不同的数据集的情况下，SSE比较没有意义。
2.MSE（均方误差）：MSE是预测数据和原始数据对应点误差的平方和的均值。MSE越接近于0，说明模型选择和拟合越好，数据预测也越成功。
3.RMSE（均方根误差）：RMSE是MSE的平方根，也叫回归系统的拟合标准差。RMSE一般指均方根误差，反映了数据集偏离真值的离散程度。
4.MAE（平均绝对误差）：MAE是实际值和预测值之间差值的平均值。MAE的值越小，模型的性能就越好。
5.Rsquare（决定系数）：Rsquare是定义为SSR和SST的比值，
SSR是预测数据与原始数据均值之差的平方和，SST是原始数据和均值之差的平方和。R²分数越高越好，它代表模型所解释的方差所占的比例。此外，还有一个调整后的R²，它有助于您集中精力使用最节省的模型。
在选择验证指标时，需要根据具体的问题和需求来决定。例如，如果希望惩罚大错误，可以选择RMSE；如果希望不考虑特征数量及其相关性，可以选择调整后的R²。
