tensorflow各种误差计算：均方根误差（RMSE）、均方误差（MSE）、平均绝对误差（MAE）、标准差（SD）

RMSE（Root Mean Square Error）均方根误差

衡量观测值与真实值之间的偏差。

常用来作为机器学习模型预测结果衡量的标准。

$RMSE(X, h)=\sqrt{\frac{1}{m}\sum_{i=1}{m}(h(x_{i})-y_{i})2}$

MSE（Mean Square Error）均方误差

MSE是真实值与预测值的差值的平方然后求和平均。

通过平方的形式便于求导，所以常被用作线性回归的损失函数。

$MSE=\frac{1}{m}\sum_{i=1}{m}(y_{i}-\hat{y}_{i})2$

MAE（Mean Absolute Error）平均绝对误差

是绝对误差的平均值。

可以更好地反映预测值误差的实际情况。

$MAE(X, h)=\frac{1}{m}\sum_{i=1}^{m}\left | h(x_{i})-y_{i} \right |$

SD（Standard Deviation）标准差

方差的算术平均根。

用于衡量一组数值的离散程度。

$SD=\sqrt{\frac{1}{N}\sum_{i=1}{N}(x_{i}-avg(x))2}$