¿Entre que rango debiera estar el MSE para ser considerado un buen modelo?

Muchas gracias por tu respuesta!

Cierto, el RMSE es una buena opción, de hecho generalmente es la que yo termino usando en problemas de regresión. El mse lo pongo porque igual funciona como guía, pero ciertamente lo que dices es muy correcto. Gracias por traerlo a la mesa!

Claro, a eso mismo apunta mi pregunta. Entiendo el porqué usar el MSE como función de pérdida para optimizar el modelo, pero no veo claro su uso como métrica para evaluar el mismo. Al usar R2 por ejemplo, su interpretación y rangos son bastante intuitivos, no así con el MSE. En ese caso, creo que sería preferible usar el RMSE, que al menos se puede interpretar de mejor manera al tener las mismas "unidades de medida" que la variable.

Es complicado porque el MSE es proporcional a la magnitud de tu variable predictora. Es decir si hablamos de millones, entonces obtenemos un MSE de 100, que puede parecer grande, pero 100 es bajo cuando hablamos de millones, a comparación de si tenemos una variable predictora que están en las décimas donde un MSE de 100. Esto debido a que el MSE su utiliza una función de distancia. ¿Tiene sentido?