0到正無窮大
RMSE（Root Mean Squared Error）的取值範圍是0到正無窮大。數值越小表示模型的預測誤差越小，模型的預測能力越強。在實際套用中，RMSE常用於評估回歸模型的預測精度。它計算的是每個樣本的預測誤差的絕對值的平均數。如果目標變數是連續的，那麼RMSE的大小通常會比較小。如果目標變數是離散的或者二元性的，那麼RMSE的大小通常會比較大。樣本越大，RMSE的估計就越準確。因此，在相同的情況下，小樣本的RMSE會比大樣本的RMSE大。過於複雜的模型可能會導致過擬合，從而使得RMSE很小。然而，在新的數據上，模型的性能可能並不好。因此，我們需要選擇合適的複雜度，以獲得適當的RMSE大小。不同的數據分布也會導致不同的RMSE大小。因此，在相同的情況下，偏態數據的RMSE會比正態數據的RMSE大。對於預測連續值的任務，我們通常希望RMSE越小越好。對於二元分類任務，0.1至0.2的RMSE是比較好的成績，而對於多元分類任務，0.2至0.3的RMSE是比較好的成績。