均方误差（MSE）是一种用于评估预测模型性能的指标，它衡量了预测值与真实值之间的差异。通常，MSE越小，预测模型的性能越好。

MSE是预测值与真实值之差平方的平均值。

具体来说，如果我们有n个观测值，其中第i个观测值的真实值为y_i，预测值为ŷ_i，则MSE可以表示为：

其中Σ是求和符号，表示对所有n个观测值求和。

MSE的平方根称为均方根误差（RMSE），它与MSE的意义相似，但是更容易解释。RMSE表示预测值与真实值之间的平均误差，因此也是评估预测模型性能的重要指标之一。

MSE的意义可以通过一个简单的例子来理解。假设我们想要预测某个城市下周的平均气温。我们可以使用历史气温数据作为训练数据，构建一个预测模型。然后，我们可以使用MSE来评估这个模型的性能。如果MSE很小，说明模型的预测值与真实值之间的差异很小，模型的性能很好；反之，如果MSE很大，说明模型的预测值与真实值之间的差异很大，模型的性能很差。