41【判断题】(2分) 均方误差(MSE)是用来评估模型在数据集上的表现的一个重要指标，其计算方式是将每个样本的预测值与真实值之差的平方求和后再取平均。因此，均方误差越小模型表现越好。( )A. 对B. 错

本题考查均方误差（MSE）的定义及意义。

知识回顾

均方误差（Mean Squared Error, MSE）是衡量模型预测性能的常用指标，其计算公式为：
$\text{MSE} = \frac{1}{n} \sum_{i=1}^{n} (y_i - \hat{y}_i)^越好)^2$
其中，$y_i$ 是真实值，$\hat{y}_i$ 是预测值，$n$ 是样本数量。

关键分析

MSE的核心是“误差的平方和的平均”：

• 平方操作：放大了大误差的影响（避免正负误差抵消），更能反映极端误差的严重性；
• 取平均：将总误差标准化为单个样本的平均误差，便于不同数据集间的比较。

由于MSE的值始终非负（平方的非负性），且误差越小则平方和越小，因此MSE越小，模型预测值与真实值的整体偏差越小，模型表现越好。