在MATLAB中，`mse`函式用於計算均方誤差（Mean Squared Error），它衡量的是預測值與實際值之間的平均偏差量的平方。`mse`函式的語法為：
```matlab
MSE = mse(A, B)
```
其中，`A`和`B`可以是向量、矩陣或N維數組，且它們必須是相同大小的數組。如果`A`和`B`是向量，`mse`函式返回的是平方誤差的平均值；如果`A`和`B`是矩陣或N維數組，`mse`函式分別計算每個元素的平均平方誤差，然後返回一個與原始數組大小相同的數組。`mse`函式的返回值越小，表示`A`和`B`之間的差異越小。
例如，我們可以使用`mse`函式來評估一組數據和另一組數據之間的差異。例如，假設我們有兩個向量`a`和`b`，我們可以這樣使用`mse`函式：
```matlab
a = ;
b = [1.5 2.5 3.5];
mse(a, b)
```
輸出結果為0.5，表示`a`和`b`之間的均方誤差為0.5。
在回歸模型評估中，`mse`函式也很有用。例如，我們可以使用`mse`函式來計算預測值與實際值之間的均方誤差：
```matlab
Ytrue = ;
Ypred = [0.9 2.1 2.8 4.2 5.2];
M = mse(Ytrue, Ypred)
```
輸出結果為0.0672，表示預測值與實際值之間的均方誤差為0.0672。
需要注意的是，在使用`mse`函式之前，需要確保預測值和實際值的元素順序是相同的。