MSE 全称是 Mean Squared Error，中文标准名称叫做均方误差，它是机器学习回归任务、统计学、信号处理领域最基础也最常用的误差评估指标，核心作用就是量化模型预测数值和真实数值之间的偏差大小，简单来说就是把每一组预测值和真实值的差值做平方，再计算所有样本的平均值，MSE 的数值越小，代表模型预测结果和真实值越接近，模型拟合效果越好，这个指标广泛用于线性回归预测模型训练，误差分析，模型对比筛选，信号降噪效果评估，工业测量精度校验等场景，需要注意 MSE 是带平方单位的指标，会放大较大的预测误差，对异常值非常敏感，这也是它和 MAE 平均绝对误差最核心的差别，很多初学者容易混淆 MSE 和 RMSE，RMSE 是 MSE 开平方根之后得到的均方根误差，单位和原始数据保持一致。
