计算机里的误差可以通过以下几种方法计算：
差值计算
误差值 = 实际值 - 预测值
其中，实际值指的是真实的观测值或标准值，预测值指的是通过模型或方法预测出的值。在某些情况下，误差值可能会引入负值。为了避免负值对误差计算产生影响，可以考虑使用绝对误差或均方误差等其他误差指标。
相对误差计算
相对误差 = （测量值 - 正常值） / 正常值 * 100%
例如，如果测量值为538，正常值为505，则相对误差为：
（538 - 505） / （505 / 100） = 6.534%。
舍入误差
舍入误差是由于计算机只能对有限位数进行运算，在运算中需要按舍入原则保留有限位时产生的误差。例如，对于无理数，在计算机中单精度浮点数表示的约为3.1415927，双精度浮点数表示的约为3.141592653589793。
截断误差
截断误差是在计算机进行数值计算时，由于数字的表示精度有限而产生的误差。截断误差的大小与舍入误差成正比。例如，在使用中心差分法进行数值计算时，截断误差可以通过泰勒公式展开得到。
均方误差（MSE）
均方误差是预测数据和原始数据对应点误差的平方和的均值，计算公式为：
MSE = （1/n） * Σ（yi - ŷi）^2
其中，n是数据点的数量，yi是原始数据，ŷi是预测数据。
均方根误差（RMSE）
均方根误差是均方误差的平方根，计算公式为：
RMSE = √（MSE）
RMSE可以反映数据集的离散程度，是回归系统的拟合标准差。
确定系数（R-square）
确定系数是衡量模型拟合优度的指标，计算公式为：
R-square = 1 - （Σ（yi - ŷi）^2） / （Σ（yi - ȳ）^2）
其中，ȳ是原始数据的平均值。
调整确定系数（Adjusted R-square）
调整确定系数考虑了模型的自由度，计算公式为：
Adjusted R-square = 1 - （1 - R-square） * （n - 1） / （n - k - 1）
其中，k是模型中参数的数量。
这些方法可以帮助你理解和计算计算机中的误差，从而提高测量和计算的准确性。