均方误差（MSE）、均方根误差（RMSE）、平均绝对误差（MAE）、决定系数（R²）解释

  各拟合方式解释：

1、均方误差：

均方误差（Mean Squared Error，MSE）是一种常用的衡量模型预测值与实际观测值之间差异的指标，用于评估模型在给定数据上的拟合程度。MSE 是通过计算预测值与实际观测值之间差异的平方的平均值得到。

MSE 的计算步骤如下：

1、对于每个观测值，计算模型的预测值。

2、对于每个观测值，计算预测值与实际观测值之间的差异，并将其平方。

3、对所有差异值进行求和，并除以观测值的总数，得到平均差异值，即 MSE。

MSE 的数值与原始观测值的单位的平方相同。它表示模型预测值与实际观测值之间的差异的平均大小，较小的 MSE 表示模型的预测值与实际观测值之间的差异较小，即模型的拟合程度较好。

MSE 的优点是对差异值进行平方操作，因此较大误差值对拟合度的影响会更大，这有助于更加敏感地捕捉模型的预测误差。

需要注意的是，MSE 受异常值的影响较大，因为异常值的平方差异会被放大。在使用 MSE 进行模型评估时，需要注意异常值的处理和模型的鲁棒性。

总而言之，MSE 是一种常用的拟合度指标，用于评估模型预测值与实际观测值之间的差异。较小的 MSE 值表示模型的拟合程度较好。