在線即時計算器 · 純前端本地秒算 · 零數據上傳

📐 Root Mean Square Error 計算機

專業免費的 Root Mean Square Error 計算機。純前端本機毫秒級計算、零資料上傳、極致隱私保護。提供詳細公式推導、實例示範與常見問答。

即時推算結果 (Computed Output)
0.6124 RMSE
專業公認計算模型,即時運算完畢
📜 計算歷史記錄 (試算軌跡)
尚無歷史記錄,每次點擊「計算」將在此留下試算軌跡...

什麼是均方根誤差(RMSE)?

均方根誤差(Root Mean Square Error,RMSE)是衡量模型預測值與實際觀測值偏離程度時,最常用的指標之一。它以與資料相同的單位呈現「典型」的預測誤差大小,因此結果相當直觀、容易解讀。RMSE 越小代表模型擬合得越好;當 RMSE 等於 0 時,表示預測完全準確、毫無誤差。

如何使用這個計算機

請分別輸入實際值與預測值兩組清單,數值之間可用逗號或空白分隔。兩組清單的數量最好相同;若數量不一致,計算機會取前 n 組成功配對的數據。輸入完成後點選計算,即可看到 RMSE,並同時取得均方誤差(MSE)與平均絕對誤差(MAE),讓你有更完整的參考依據。

公式拆解說明

RMSE 的計算公式如下:

RMSE = \sqrt{((1) ÷ (n)) \sum_{i=1}^{n} ≤ft( Actual_i - Predicted_i \right)^2}

RMSE 的計算可分成四個步驟:(1)將每個實際值減去對應的預測值,得到誤差;(2)將每個誤差取平方,避免正負誤差互相抵消;(3)把這些平方誤差取平均,得到 MSE;(4)再開平方根,讓結果回到與原始資料相同的單位。由於取平方會放大較大的誤差,因此相較於 MAE,RMSE 對離群值(outlier)更為敏感。

實際範例

假設實際值 = [3, -0.5, 2, 7],預測值 = [2.5, 0.0, 2, 8]。各筆誤差為 0.5、-0.5、0、-1;取平方後為 0.25、0.25、0、1,總和為 1.5。除以 n = 4,得到 MSE = 0.375。再開平方根,即得 RMSE ≈ 0.6124。而 MAE 則為 (0.5 + 0.5 + 0 + 1) / 4 = 0.5。

使用注意事項與精準校對原則(6 大核心守則)

📐 1. 嚴格對齊輸入量綱與單位

輸入各項數值時請務必確認量綱(例如小時、天數、金額、百分比),避免單位不匹配引發推算偏差。

🔒 2. 純前端本機毫秒級隱私保障

所有計算邏輯 100% 在您的終端瀏覽器內完成,資料絕不上傳伺服器,嚴格守護商業與個人隱私。

📊 3. 符合公認學術與產業計算模型

演算法嚴格遵循國際通用數學公式與標準計算模型,經多重情境交叉核對,數值嚴密精確。

📋 4. 一鍵複製與免登入 PDF 匯出

支援一鍵複製推算結果字串至剪貼簿,亦可直接點擊列印按鈕輸出純淨 PDF 工作報表。

🔄 5. 多情景敏感度動態對比

建議針對極端值與多組預期情景分別試算,觀察輸出數據的波動區間,輔助做出更穩健的決策。

🛡️ 6. 專業諮詢與日常參考免責聲明

本工具運算結果供日常排程、學業研習與事前參考之用,如涉及重大法規或投資決策請諮詢持證專家。

常見問題 (FAQ)

RMSE 多少才算好?
這完全取決於資料的尺度。建議將 RMSE 與目標變數的數值範圍或平均值相比,或拿來與一個基準模型(baseline)對照,才能判斷是否理想。
RMSE 和 MAE 有什麼不同?
RMSE 會先把誤差取平方再平均,因此對較大的誤差懲罰較重;而 MAE 則是按比例平等看待每一筆誤差。
RMSE 會出現負值嗎?
不會。由於它是「平方平均值」的平方根,因此 RMSE 永遠大於或等於 0。