均方误差（Mean Squared Error, MSE）是衡量“平均误差”的一种较方便的方法。可以评价数据的变化程度。均方根误差是均方误差的算术平方根。
最小二乘（LS）问题是这样一类优化问题，目标函数是若干项的平方和，每一项具有形式
，具体形式如下：
minimize 
（式1）
但是，我们在实际优化问题中经常看到的是另一种表示形式：
（式2）
其中
是真值，
是估计值，式1和式2是一样的，只是用的符号不同，式1中的
对应式2中的
，即优化中要求的变量。
------------------------------------------------------------------------
作为过渡概念，LS的一种更复杂也更灵活的变形：
加权最小二乘 根据实际问题考虑每个求和项的重要程度，即加权值w，如下：
------------------------------------------------------------------------
均方误差（MSE）是一种加权最小二乘，它的权值是概率
最小二乘法（LS）：观测值与实际数据误差平方和最小，min(y-f(x))。
最小均方误差（MMSE）：误差平方和取均值再开方，在含噪数据中使预测模型有好的精度（概率最大模型），达到f(x)=y。
链接：https://www.zhihu.com/question/27200164/answer/88360164
来源：知乎
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。