skearn rm函数
root-mean-square error（RMSE）是广泛使用的一种评估回归算法性能的指标，其计算方法为：
将被预测数据集中的每个值参与算术运算，与其实际对应真实值进行差值计算，误差值称为平方误差（squared error），然后全部误差值求和，最后再开根号取均值。即：
RMSE = √（(sum((真实值-预测值)^2)) / 记录数）
态度8其中，sum表示求和， 记录数为被计算回归算法中误差点的数量。
红星闪闪串词
席德斯RMSE来衡量数据回归分析模型的拟合程度，是比较常用的衡量拟合优度的方法之一。模型的误差，也就是模型的预测值与真实值之间的差异，用RMSE衡量可以反映出模型与真实值之间的偏差程度。RMSE只有当每个点的权重相等，误差值的平方就有意义，这种假设使得它更容易被计算机处理。与标准误差（Standard Error）类似，它也能反映出模型的可靠性，但它没有标准误差那样只反映一个特定数据点的误差，反而是反映整个数据集上各个数据点误差的综合指标，可以更准确地反映模型的精确度。小心谨慎
家人微信群名称大全
繁花嫩叶RMSE的优点是可用来描述统计分析模型的整体误差，因此可以有效地把握和评价回归模型。当模型的RMSE越小，模型的拟合程度就越好。然而，RMSE也有一定的缺陷，即它不考虑误差的精确分布情况，也就是它不考虑或者不关注误差是正是负。比的英语怎么读
