mse误差（mse值对照表）

1. MSE误差是一种常用的衡量预测模型性能的指标。
2. MSE误差的计算方法是将预测值与真实值之差的平方求和后再除以样本数量。
MSE误差越小，表示模型的预测结果与真实值越接近。
3. MSE误差在机器学习和统计学中被广泛应用，可以用于评估回归模型的准确性。
除了MSE误差，还有其他常用的评估指标，如均方根误差（RMSE）、平均绝对误差（MAE）等，根据具体的应用场景选择合适的评估指标可以更好地评估模型的性能。

mse均方误差

 计算公式：mse=（G＋A）/n。

均方误差（mean-squareerror，MSE）是反映估计量与被估计量之间差异程度的一种度量。设t是根据子样确定的总体参数θ的一个估计量，（θ-t）2的数学期望

 ，称为估计量t的均方误差。