平均误差和RMSE

平均误差（Mean Error，ME）和均方根误差（Root Mean Square Error，RMSE）都是常用的用于衡量预测结果与真实值之间误差的指标。

平均误差是预测值与真实值之间差值的平均值，其计算公式为：

$ME = \frac{1}{n}\sum\limits_{i=1}^{n}(y_i - \hat{y}_i)$

其中，$n$为样本个数，$y_i$为真实值，$\hat{y}_i$为预测值。

均方根误差是预测值与真实值之间差值的平方的平均值的平方根，其计算公式为：

$RMSE = \sqrt{\frac{1}{n}\sum\limits_{i=1}^{n}(y_i - \hat{y}_i)^2}$

其中，$n$为样本个数，$y_i$为真实值，$\hat{y}_i$为预测值。

在MATLAB中，可以使用以下代码计算平均误差和均方根误差：

y_true = [1, 2, 3, 4, 5]; % 真实值
y_pred = [1.2, 2.3, 3.5, 4.1, 5.2]; % 预测值
n = length(y_true); % 样本个数

% 计算平均误差
ME = sum(y_true - y_pred) / n;

% 计算均方根误差
RMSE = sqrt(sum((y_true - y_pred).^2) / n);

其中，`y_true`和`y_pred`分别为真实值和预测值的向量，`n`为样本个数，`ME`为计算得到的平均误差，`RMSE`为计算得到的均方根误差。