均方差损失代码python

均方误差（Mean Squared Error, MSE）是机器学习中常用的损失函数，特别是在回归任务中，它衡量的是模型预测值与真实值之间差异的平方平均。在Python中，我们可以使用`scikit-learn`库来计算和优化基于MSE的模型。这里是一个简单的例子：

from sklearn.metrics import mean_squared_error
import numpy as np

# 假设我们有一个真实的y值数组和预测的y_pred数组
true_values = np.array([1, 2, 3, 4, 5])
predicted_values = np.array([0.9, 1.9, 2.8, 3.8, 4.8])

# 计算均方差损失
mse = mean_squared_error(true_values, predicted_values)
print("Mean Squared Error: ", mse)

# 如果你想在训练过程中优化MSE，比如使用梯度下降或优化器，你可以这样做：
# 假设我们有一个模型model和优化器optimizer
# 预拟合数据和模型
model.fit(X_train, y_train, loss='mse', optimizer=optimizer)

# 但是要注意，这通常是深度学习框架如TensorFlow或PyTorch的任务，不是scikit-learn的核心功能。