回归任务中最常用的性能度量是

均方误差（Mean Squared Error，MSE）是回归任务中最常用的性能度量之一。MSE计算预测值与真实值之间的平方差的平均值，通过测量平均误差的平方来评估模型的性能。MSE越小，表示模型的预测结果与真实值之间的差异越小，说明模型的拟合效果越好。

其他常用的回归任务性能度量包括均方根误差（Root Mean Squared Error，RMSE）、平均绝对误差（Mean Absolute Error，MAE）和决定系数（Coefficient of Determination，R-squared）等。RMSE是MSE的平方根，反映了模型预测结果与真实值之间的平均误差大小。MAE计算预测值与真实值之间的绝对差的平均值，衡量了模型预测结果的平均偏差。R-squared衡量了模型对数据变异的解释程度，取值范围为0到1，越接近1表示模型对数据的拟合效果越好。