使用RMSE分析数据

一。数据概念和特征性

1. MSE（Mean Square Error）均方误差

是真实值与预测值的插值的平方然后求和平均。是绝对误差的平均值
能更好地反映预测值误差的实际情况.

2. RMSE（Root Mean Square Error）均方根误差
excel计算公式：

=SQRT(SUMPRODUCT((C2:C58-D2:D58)^2)/COUNTA(D2:D58))
//D是真值，C是预测。数字表示起始和终止
//公式来自： https://blog.csdn.net/qq_42234370/article/details/122352631

均方根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。衡量的是预测值与真实值之间的偏差，并且对数据中的异常值较为敏感。

3. 标准差 = sqrt( 方差 )

Standard Deviation ，标准差
是方差的算数平方根。
是用来衡量一组数自身的离散程度。
excel计算公式：

计算（平均值/方差）：选择方差计算出来结果存放的单元格并且键入=，
选择上边栏中的公式，选择插入函数，搜索（stdev/average），
用变成十字的鼠标框选需要计算的数据列即可。

二。数据对比

4.RMSE与标准差对比：

标准差是用来衡量一组数自身的离散程度，而均方根误差是用来衡量观测值同真值之间的偏差，它们的研究对象和研究目的不同，但是计算过程类似。

5.RMSE与MAE对比：

RMSE相当于L2范数，MAE相当于L1范数。次数越高，计算结果就越与较大的值有关，而忽略较小的值，所以这就是为什么RMSE针对异常值更敏感的原因（即有一个预测值与真实值相差很大，那么RMSE就会很大）。
————————————————
版权声明：本文为CSDN博主「蹦跶的小羊羔」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/yql_617540298/article/details/104212354

6.加入一点个人理解：
一般来说
（1）使用真值和实际值的误差的平均值小表征俩组数据的差距小；
（2）使用误差的方差小表征俩组数据的差距稳；
在效果上，用这俩个表征真值和实际值这俩组数据的偏差小而稳 == RMSE 。