เปรียบเทียบวิธี

	การทดสอบความเหมาะสมของแบบจำลอง	ค่าคลาดเคลื่อนกำลังสองเฉลี่ย (Mean Squared Error: MSE)
สาขาวิชา	การประเมินแบบจำลอง	การประเมินแบบจำลอง
ตระกูล	MCDM	MCDM
ปีกำเนิด	1900	1809
ผู้ริเริ่ม	Karl Pearson	Carl Friedrich Gauss
ประเภท	Hypothesis testing framework for model adequacy	Squared-error loss function
แหล่งต้นตำรับ	Pearson, K. (1900). On the criterion that a given system of deviations from the probable in the case of a correlated system of variables is such that it can be reasonably supposed to have arisen from random sampling. Philosophical Magazine, 50(302), 157-175.	Gauss, C. F. (1809). Theoria Motus Corporum Coelestium in Sectionibus Conicis Solem Ambientium. Hamburg: Perthes and Besser.
ชื่อเรียกอื่น	goodness of fit test, GOF test, model fit assessment	MSE, L2 error, quadratic error
ที่เกี่ยวข้อง	4	4
สรุป	Goodness-of-fit (GOF) testing is a framework for assessing whether observed data are consistent with a hypothesized probability distribution or model. Originating from Karl Pearson's chi-square test (1900), GOF tests quantify the discrepancy between data and model predictions, yielding p-values to judge whether observed deviations are statistically significant or due to random chance.	Mean Squared Error is the foundational loss function for regression models, measuring the average squared deviation between predictions and observations. Originating from Gauss and Legendre's method of least squares (1805-1809), MSE is the basis for ordinary least squares regression and remains central to modern machine learning optimization.