均方误差（MSE）根均方误差（RMSE）平均绝对误差（MAE）

MSE：Mean Squared Error.
均方误差是指参数的估计值与参数的真实值之差的平方的期望.
MSE可以评价数据的变化程度，MSE越小，说明模型的拟合实验数据能力强.

$$MSE=\frac{1}{N}\sum_{t=1}^{N}\left ( predicted_{t} -label\right )^{2}$$

RMSE：Root Mean Squared Error.
根均方误差：均方误差的算术平方根.

$$RMSE=\sqrt{\frac{1}{N}\sum_{t=1}^{N}\left ( predicted_{t} -label\right )^{2}}$$

MAE： Mean Absolute Error.
平均绝对误差：样本绝对误差的绝对值.
平均绝对误差能更好的反映预测值误差的实际情况.

$$MAE=\frac{1}{N}\sum_{t=1}^{N}\left | \left ( f_{i}-y_{i} \right ) \right |$$

$f_{i} 表示预测值$, $y_{i} 表示真实值$
SD： Standard Deviation.
标准差：标准差是方差的算术平方根，、。标准差反映了数据集的离散程度。均值相同的两组数据，标准差不一定相同.

$$SD=\sqrt{\frac{1}{N}\sum_{i=1}^{N}\left ( x _{i}-u\right )^{2}}$$

$u$ 表示平均值（$u=\frac{1}{N}\left ( x_{1}+...+x_{N} \right )$）

本文在线公式编辑器