均方根差

均方根偏差（均方根差，英語：root-mean-square deviation，RMSD）或均方根误差（root-mean-square error，RMSE）是常用於衡量模型预测值或估计量（样本值或总体值）与观测值之间差异的一种指标。均方根偏差代表預測值和觀察值之差的二阶样本矩的平方根（樣本標準差），或該差值的平方平均数。當這些离差是以用來計算估計量的數據樣本本身來計算時，通常稱差值為殘差（residual）；當差值不基於樣本得出的估計量時，通常稱為误差（error）或預測誤差（prediction errors）。均方根誤差主要作用是將各個數據點的預測的誤差大小彙總為一個預測力的度量。均方根誤差是精度的度量，用于比较特定数据集的不同模型的预测误差，但不能比較数据集之间的预测误差，因为它是尺度依賴的。 均方根誤差總是非負的，值為0（實際極少出現）的情況表示與數據完全吻合。一般而言，低RMSD比高RMSD要好。然而，在不同類型的數據之間進行比較是無意義的，因為度量取決於所使用的數字的尺度。 均方根誤差是平方誤差平均值的平方根。各個誤差對均方根誤差的影響與平方誤差的大小成正比；因此，較大的誤差對均方根誤差有不成比例的大影響。因此，均方根誤差對離群值很敏感。