编写一个python程序，计算一组数据的均方误差

在Python中，计算一组数据的均方误差（Mean Squared Error, MSE）通常用于评估预测值与真实值之间的差异。MSE是通过对每个预测值与实际值之差的平方求平均得到的。以下是一个简单的例子，假设我们有一个列表 `predictions` 和对应的 `true_values`：

import numpy as np

def calculate_mse(predictions, true_values):
    # 首先确保预测值和真实值的长度相同
    if len(predictions) != len(true_values):
        raise ValueError("Predictions and true values must have the same length.")

    # 计算每个元素的差值的平方
    squared_errors = (predictions - true_values) ** 2

    # 求平均值得到均方误差
    mse = np.mean(squared_errors)

    return mse

# 假设你有如下数据
predictions = [1.5, 2.0, 2.5, 3.0]
true_values = [1.0, 1.8, 2.2, 2.8]

mse_value = calculate_mse(predictions, true_values)
print(f"The Mean Squared Error is: {mse_value}")

在这个例子中，`numpy` 库被用来方便地进行数值运算，特别是求平均值。如果你没有安装 `numpy`，可以使用 Python 的内置 `sum()` 函数代替。