模型误差是指模型输出值与真实值之间的差异，通常用于评估模型的准确性和可靠性。模型误差的计算方法可以分为以下几种：
1. 平均误差（Mean Error，ME）：平均误差是 n。
5. 相对误差（Relative Error）：相对误差是指模型输出值与真实值之间的差异占真实值的比例。计算公式为：Relative Error = |（预测值 - 真实值）/ 真实值|。
需要注意的是，不同的误差计算方法适用于不同的模型和应用场景，需要根据具体情况选择合适的方法进行计算。同时，误差计算也需要结合实际应用情况进行分析和解释，不能仅仅依靠误差值来评估模型的准确性和可靠性。
模型误差 = 偏差（Bias）+ 方差（Variance）+ 数据本身的误差
偏差：度量了学习算法的期望预测与真实结果的偏离程度，即刻画了算法本身的拟合能力；
方差：度量了同样大小的训练集的变动所导致的学习性能变化，即刻画了数据扰动所造成的影响
偏差和方差来源：导致偏差的原因有多种，其中一个就是针对非线性问题使用线性方法求解，当模型欠拟合时，就会出现较大的偏差；产生高方差的原因通常是由于模型过于复杂，即模型过拟合时，会出现较大的方差
