下列哪个指标可以用于评估回归模型的性能? A. 平均绝对误差B. 召回率C. 精确率D. F1-score

考查要点：本题主要考查回归模型与分类模型评估指标的区别，需要明确不同指标适用的模型类型。

解题核心思路：回归模型用于预测连续数值，其评估指标关注预测值与实际值的差异（如误差）；分类模型用于预测类别标签，其评估指标关注分类准确率（如精确率、召回率）。关键点在于区分两类模型的评估目标。

破题关键：直接回忆回归模型的常见指标（如MAE、MSE等）和分类模型的常见指标（如精确率、召回率、F1-score等），排除干扰项。

回归模型的性能通常通过预测值与实际值之间的误差来评估，而分类模型则通过分类的准确性和全面性来评估。具体分析如下：

• 选项A（平均绝对误差）：
  平均绝对误差（MAE）是回归模型的核心评估指标，计算公式为：
  $\text{MAE} = \frac{1}{n}\sum_{i=1}^{n}|y_i - \hat{y}_i|$
  其中，$y_i$是实际值，$\hat{y}_i$是预测值。MAE值越小，模型性能越好。

• 选项B（召回率）、C（精确率）、D（F1-score）：
  这三个指标均用于分类模型，反映模型对类别标签的预测效果：

  • 召回率：实际为正类的样本中被正确预测的比例。
  • 精确率：预测为正类的样本中实际为正类的比例。
  • F1-score：精确率和召回率的调和平均，综合衡量分类性能。
    这些指标无法直接用于回归问题。