SSE（Sum of Squares Error，误差平方和）的计算公式是：
```
SSE = Σ（yi - ŷi）²
```
其中：
`yi` 表示实际观测值；
`ŷi` 表示模型预测值；
`Σ` 表示对所有观测值进行求和操作。
MSE（Mean Squared Error，均方误差）是SSE除以样本数量`n`：
```
MSE = SSE / n
```
RMSE（Root Mean Squared Error，均方根误差）是MSE的平方根：
```
RMSE = √（MSE）
```
这些指标用于评估模型预测值与实际观测值之间的偏差程度，值越小表示模型的拟合效果越好