均方误差一、均方误差的含义和公式的均方误差是测量“均方误差”的方便方法，可以用来评估数据的变化程度。 从类别看是预测评价和预测的组合； 正如文字所示，“平均”是求平均、即其平均值，“方差”是概率论中用于测量随机变量与其估计值(其平均值)的偏离程度的测量值，“误”可以看作测量值与真值的误差。
均方误差公式： MSE=。
二、均方误差的导出均方误差可由均方误差导出
平方误差：表示实验误差大小的偏差平方和。 在相同条件下，将各测量值xi相对于真值x的偏差平方后进行合计。 也就是说，如下。
由于均方误差是距各数据真值的距离平方和的平均，所以用真值减去该误差后的估计值平方和求出其平均。 即：
估计值是将到目前为止的各条件的x值和y值拟合为一个公式。 根据公式，在对新得到的x值求一个y的估计值的同时，有一个y的真值。 并且，将y的估计值和真值带入平均误差的公式中，求出平均误差的值。 平均误差值越小，表明模型的拟合实验数据能力越高，但不能使其为0。 0的时候，那个是
如果均方误差值为0，则此模型不适用，因为模型可能会发生很大的变化。 最好不要使用这个模型吧。
三.均方误差与均方根误差及平均绝对误差的差异为了更好地理解均方误差，我们必须熟悉接近均方误差的知识。 那么今天，让我们来了解一下均方差(MSE )和均方误差(RMSE )和平均绝对误差(MAE )分别是什么。
(1)均方误差(均方误差)均方误差(Mean Squared Error ) :均方误差是反映估计量与被估计量差异程度的度量。 设t为从子样本中确定的总体参数的一个估计量，(-t ) 2的数学期望称为估计量t的均方误差。 等于2 b2，2和b分别是t的方差和偏差。 均方误差是指参数估计值与参数真值之差平方的期望值； 这可以评价数据的变化程度，MSE的值越小表示预测模型描述实验数据的精度越高。
)2)均方根误差(根均方误差)均方根误差也称为标准误差，定义为I=1、2、3、 n。 有限测定次数中，均方根误差为[di2/n]=Re，式中，n为测定次数； di是一系列测量值与真值的偏差。 有限测定次数中，均方根误差为[di2/n]=Re，式中：n为测定次数； di是一系列测量值与真值的偏差。 误差统计分布为正态分布时，随机误差在以内的概率为68%。 均方根误差是均方根误差的算术平方根。
(3)平均绝对误差(Mean Absolute Error )又称平均绝对方差，是所有单个观测值与算术平均值偏差绝对值的平均值。 平均误差可以避免误差抵消的问题，可以准确反映实际预测误差的大小。 平均绝对误差是绝对误差的平均值，平均绝对误差更好地反映预测值误差的实际情况。
四、通过这次均方误差的学习，我们了解什么是均方误差，如何实现均方误差的推导，以及均方误差、均方误差和绝对误差的区别，我们用均方误差来衡量一个模型能否很好地拟合实验数据
如果有误，望各位大神指正！