MSE（均方誤差）的計算公式可以總結如下：
基本定義：MSE用於衡量預測值與真實值之間的差異。其計算公式為：
MSE = (1/n) * Σ(y_true - y_pred)^2
其中，n是樣本數，y_true是真實值，y_pred是預測值。
期望形式：在參數估計的背景下，MSE也可以表示為期望的形式：
MSE = Eθ[ (θ^ - θ)^2]
其中，θ表示真值，θ^表示預測值，Eθ表示在θ的分布上求期望。
其他相關概念：
RMSE（均方根誤差）：RMSE是MSE的平方根，用於提供與目標值相同量綱的誤差度量。
MAE（平均絕對誤差）：MAE是另一種常用的誤差度量，表示預測誤差的平均大小，而不考慮方向。
MAPE（平均絕對百分比誤差）：MAPE考慮了誤差的百分比形式，適用於具有不同量級的變數。
SMAPE（對稱平均絕對百分比誤差）：SMAPE是MAPE的一種變體，旨在減少正負誤差的不對稱性。
通過上述公式和概念，我們可以更全面地理解MSE及其在機器學習和統計中的套用。