Machine learning 平方误差与均方根误差之和，哪个更适合预测模型？为什么？ P>两个实测数据Ti与预测数据之间的误差，根据模型Y、（Xi，W），对于数据点席席和模型参数W：平方误差和RMS误差。给出两个基本原因，说明为什么RMS误差直观上是一个“更好”的测量值。

它们基本上是在测量同一事物，但RMS误差的缩放可能更直观，因为它们与测量值本身的单位相同（不是平方），并且应该大致独立于误差项的数量（即，如果有n个测量值，则不会随着O（n）的增加而增加）.

欢迎使用StackOverflow。请阅读并遵循帮助文档中的发布指南。并在此处申请。StackOverflow不是设计、编码、研究或辅导服务。仅将作业问题提交给我们不在网站章程范围内。此外，RMS可以作为一种“平均错误大小”，以及最大和最小误差值在很多情况下都非常有用。