误差:即观测值与真实值的偏离;
残差:观测值与拟合值的偏离.
误差与残差，这两个概念在某程度上具有很大的相似性，都是衡量不确定性的指标，可是两者又存在区别。 误差与测量有关，误差大小可以衡量测量的准确性，误差越大则表示测量越不准确。
误 差分为两类：系统误差与随机误差。其中，系统误差与测量方案有关，通过改进测量方案可以避免系统误差。随机误差与观测者，测量工具，被观测物体的性质有关，只能尽量减小，却不能避免。
残差――与预测有关，残差大小可以衡量预测的准确性。残差越大表示预测越不准确。残差与数据本身的分布特性，回归方程的选择有关。
误差: 所有不同样本集的均值的均值,与真实总体均值的偏离.由于真实总体均值通常无法获取或观测到,因此通常是假设总体为某一分布类型,则有N个估算的均值; 表征的是观测/测量的精确度;
误差大,由异常值引起.表明数据可能有严重的测量错误;或者所选模型不合适,;
扩展资料：
残差: 某样本的均值与所有样本集均值的均值, 的偏离; 表征取样的合理性,即该样本是否具代表意义;
残差大,表明样本不具代表性,也有可能由特征值引起.
反正要看一个模型是否合适,看误差;要看所取样本是否合适,看残差;
残差：残差在数理统计中是指实际观察值与估计值（拟合值）之间的差。“残差”蕴含了有关模型基本假设的重要信息。如果回归模型正确的话， 我们可以将残差看作误差的观测值。
它应符合模型的假设条件，且具有误差的一些性质。利用残差所提供的信息，来考察模型假设的合理性及数据的可靠性称为残差分析。
误差：误差是测量测得的量值减去参考量值。测得的量值简称测得值，,代表测量结果的量值。所谓参考量值，一般由量的真值或约定量值来表示。 对于测量而言，人们往往把一个量在被观测时，其本身所具有的真实大小认为是被测量的真值。实际上，它是一个理想的概念。因为只有“当某量被完善地确定并能排除所有测量上的缺陷时，通过测量所得到的量值”才是量的真值。从测量的角度来说，难以做到这一点,因此，一般说来，真值不可能确切获知。
参考资料：
误差通常是指预测结果和实际值之间的差异。一般来说，误差可以表示为实际值-预测值，用于衡量预测结果的准确性。例如，在线性回归中，可以使用均方误差（MSE）来衡量预测结果和实际值之间的差异。
残差通常是指预测值与实际观测值之间的差异，表示模型对样本的拟合程度。例如，在线性回归中，可以使用残差平方和（RSS）来衡量模型对数据的拟合程度，定义为实际值 - 预测值。
因此，误差和残差的区别主要在于计算方式和所代表的含义。