sklearn metrics的准确率、平均绝对误差和均方误差使用什么度量单位？它们是否用于回归问题？例如，我有一个regressor.score(X_test,y_test))的值约为0.99469。那么测试模型与真实数据的比较是0.99469，还是说它是99%的百分比？MAE和MSE也是同样的问题。

另一个问题是，我读到关于分类问题的混淆矩阵，准确率是从混淆矩阵中计算出来的值。我使用多元线性回归，那么我可以为我的回归使用这些指标吗？

回答：

回答你的第一个问题，准确率不能用于回归问题。是的，你说的没错。准确率是使用混淆矩阵计算的，但由于你有一个回归问题，你无法得到混淆矩阵，因为它是分类问题的输出，而你面临的是回归问题。

此外，回归问题的正确指标是均方误差、平均绝对误差和R平方值。默认情况下，regressor.score(X_test,y_test))函数输出的是R平方值。

为了简化理解，数值越接近1（在你的例子中是0.99469），你的模型就越好。看起来你的模型表现得非常好。