mse均方误差计算公式_视觉SLAM十四讲实践之真实轨迹和估计轨迹均方根误差

为了理解RMSE首先介绍一些统计学的概念，
然后介绍SLAM领域里面的计算精度ATE和RPE的用法。

中位数

一组数据按大小顺序排列，位于最中间的一个数据 (当有偶数个数据时，为最中间两个数据的平均数) 叫做这组数据的中位数。

用中位数作为一组数据的代表，可靠性不高，但受极端数据影响的可能性小一些，有利于表达这组数据的 “集中趋势”。

众数

几组数据中出现次数最多的那个数据，叫做这批数据的众数。

用众数作为一组数据的代表，可靠性较差，但众数不受极端数据的影响，并且求法简便，当一组数据中个别数据变动较大时，适宜选择众数来表示这组数据的 “集中趋势”。

平均数

算数平均数是一组数据的和除以这组数据的个数所得的商、反映一组数的总体情况比中位数、众数更为可靠、稳定。

方差(variance)

方差是各数据偏离平均值差值的平方和的平均数。
方差用来度量随机变量和其数学期望(即均值)之间的偏离程度。

标准差\均方差(Standard Deviation)

标准差(也称均方差)的平方就是方差。
标准差能反映一个数据集的离散程度 (或理解为数据集的波动大小)。
方差与我们要处理的数据的量纲是不一致的(单位不一致)，虽然能很好的描述数据与均值的偏离程度，但是处理结果是不符合我们的直观思维的。

均方误差 MSE (mean squared error)

总的来说，方差是数据序列与均值的关系，而均方误差是数据序列与真实值之间的关系，所以我们只需注意区分 真实值和均值 之间的关系就行了。均方误差(MSE)是各数据偏离真实值 差值的平方和 的平均数方差是平均值，均方误差是真实值。

均方根误差 RMSE(Root Mean Squard Error)

均方根误差是均方误差的算术平方根亦称标准误差，
均方误差是各数据偏离真实值差值的平方和的平均数，也就是误差平方和的平均数，均方根误差才和标准差形式上接近。