ML-инженер создает модель в SageMaker Canvas для непрерывного числового прогнозирования, используя 10 лет исторических данных. Какую метрику оценки следует использовать инженеру для оценки прогностической производительности модели?

RMSE (среднеквадратическая ошибка) является подходящей метрикой для оценки моделей непрерывного числового прогнозирования, поскольку она измеряет среднюю величину ошибок между прогнозируемыми и фактическими значениями. Меньшее значение RMSE указывает на лучшую производительность модели. Accuracy (точность) используется для задач классификации, а не для регрессии. InferenceLatency (задержка вывода) измеряет время, необходимое модели для генерации прогноза, что является метрикой производительности, а не прогностической точности. AUC (площадь под ROC-кривой) также используется для задач классификации, оценивая способность модели различать классы.