MSE（Mean Squared Error）均方误差是衡量预测值与真实值之间差异的一种常用指标，其计算公式如下：
MSE = 1/n * Σ(yi - ŷi)²
其中，n为样本数量，yi为第i个样本的真实值，ŷi为第i个样本的预测值。
MSE是一种常用的回归模型评估指标，它的值越小，说明模型的预测效果越好。MSE的计算过程中，首先计算每个样本的预测值与真实值之间的差异，然后将这些差异的平方求和，最后除以样本数量，得到平均的差异平方值。MSE的单位是预测值和真实值的单位的平方，例如，如果预测值和真实值的单位是美元，则MSE的单位是美元的平方。MSE的计算公式简单易懂，容易理解和实现，因此被广泛应用于各种回归模型的评估中。
