【UWB】MSE 均方误差、RMSE 均方根误差

序号	内容
1	【小项目关键技术六】控制北斗 GPS 定位 / UWB 室内定位
2	【UWB】Savitzky Golay filter SG滤波器原理讲解
3	【UWB】Savitzky Golay filter SG滤波器快速入门并上手使用
4	【UWB】MSE 均方误差、RMSE 均方根误差
5	【UWB】Kalman filter, KF卡尔曼滤波, EKF 扩展卡尔曼滤波
6	【UWB】公式推导计算坐标值
7	【UWB】ELM 极限学习机原理及公式推导
8	【UWB】ELM，Extreme Learning Machine 极限学习机
9	【UWB】数学建模 E 题目个人解题答案 - 2021年第十八届华为杯
10	【UWB】使用 python 操作 jetson 提取 UWB 定位模块的数据，处理成坐标的格式，模块厂家为维特智能

均方误差

在处理数据过程中，我们常需要用到均方误差（Mean Square Error, MSE）、均方根误差（Root Mean Square Error, RMSE）来对数据进行描述、统计。

均方误差（MSE）是指参数估计值与参数真值之差平方的期望值。它是反映估计量与被估计量之间差异程度的一种度量，是衡量“平均误差”的一种较方便的方法。设 $t$ 是根据子样确定的总体参数的一个估计量，$(\theta -t{)}^2$ 的数学期望，称为估计量 $t$ 的均方误差。

MSE 可以评价数据的变化程度，MSE 的值越小，说明预测模型描述实验数据具有更好的精确度。

$$MSE=\frac{1}{N}\sum _{t=1}^N(observe{d}_t-predic{t}_t{)}^2$$

这里 $N$ 表示测量次数，$observe{d}_t$ 表示参数真实值，$predic{t}_t$ 表示参数预测值。

均方根误差

均方根误差（RMSE) 亦称标准误差，是预测值与真实值偏差的平方与观测次数 $N$ 比值的平方根。均值根方差表示一组数据的离散程度，对一组测量中的特大或特小误差反映非常敏感，所以，均方根误差能够很好地反映出测量的精密度。

$$MSE=\sqrt{\frac{1}{N}\sum _{t=1}^N(observe{d}_t-predic{t}_t{)}^2}$$

Ref：

1. 回归评价指标—MSE、RMSE、MAE、R-Squared