均方值意思

均方值（Mean Squared Error, MSE）是一種度量誤差的方法，用於衡量實際觀察值與模型預測值之間的差異。在統計學和計量經濟學中，MSE是一種常用的評估預測模型性能的指標。

均方值的計算公式如下：

MSE = ∑(yi - ŷi)^2 / N

其中：

• yi 是第 i 個實際觀察值。
• ŷi 是第 i 個觀察值的預測值。
• N 是觀察值的總數。
• 平方和 ∑(yi - ŷi)^2 表示所有預測誤差的平方和。

均方值越小，模型的預測誤差越小，模型的性能就越好。在最小二乘法回歸中，模型的目標是使均方誤差最小化。

在實際套用中，均方值有時也被稱為「方差」，但這通常是指樣本方差（Sample Variance），它是均方值除以樣本數N-1而不是N。樣本方差的計算公式如下：

Sample Variance = ∑(yi - ŷi)^2 / (N - 1)

在機器學習和數據分析中，均方值是一個非常重要的概念，它用於評估模型的預測準確性，並幫助選擇最佳模型。