均方根偏差（均方根差，英语：root-mean-square deviation，RMSD）或均方根误差（root-mean-square error，RMSE）是常用于衡量模型预测值或估计量（样本值或总体值）与观测值之间差异的一种指标。均方根偏差代表预测值和观察值之差的二阶样本矩的平方根（样本标准差），或该差值的平方平均数。当这些离差是以用来计算估计量的数据样本本身来计算时，通常称差值为残差（residual）；当差值不基于样本得出的估计量时，通常称为误差（error）或预测误差（prediction errors）。均方根误差主要作用是将各个数据点的预测的误差大小汇总为一个预测力的度量。均方根误差是精度的度量，用于比较特定数据集的不同模型的预测误差，但不能比较数据集之间的预测误差，因为它是尺度依赖的。[1]

均方根误差总是非负的，值为0（实际极少出现）的情况表示与数据完全吻合。一般而言，低RMSD比高RMSD要好。然而，在不同类型的数据之间进行比较是无意义的，因为度量取决于所使用的数字的尺度。

均方根误差是平方误差平均值的平方根。各个误差对均方根误差的影响与平方误差的大小成正比；因此，较大的误差对均方根误差有不成比例的大影响。因此，均方根误差对离群值很敏感。[2][3]