均方误差和均方根误差的区别

均方误差（Mean Squared Error，MSE）和均方根误差（Root Mean Squared Error，RMSE）是评估模型预测准确性常用的两个指标，它们度量了预测值与实际值之间的差异，但表达方式不同。

均方误差是所有误差平方的平均值，计算方式如下：
MSE = (1/n) * Σ(yi - ŷi)²
其中，n是样本数量，yi是实际值，ŷi是预测值，Σ代表求和。

均方根误差则是均方误差的平方根，计算公式为：
RMSE = √(1/n * Σ(yi - ŷi)²)
或者可以看作是MSE的平方根。

总的来说，MSE是对误差的平方，而RMSE则是将这些平方误差进行了开方。RMSE更便于解释和理解，因为它保持了与原始数据相同的度量单位，而MSE则是一个无量纲的纯数字，没有实际的物理意义。